2.Numpy基础-对于数据和数组的使用

最新推荐文章于 2022-05-05 21:13:03 发布
最新推荐文章于 2022-05-05 21:13:03 发布
阅读量519 收藏 1
点赞数 2
分类专栏： 从零开始numpy 文章标签： 函数 数据 numpy数组 数组操作
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a1212125/article/details/77933826
版权

本篇使用的是ipython shell进行的直接测试,比在文本中需要显示编写print()函数要方便的多,在linux下直接执行sudo apt-get install ipython 即可安装.之后在控制台运行ipython –pylab,后缀是为了支持numpy的导入

创建等差数组:arange()函数

创建一个numpy等差数组,第一个数默认从零开始.
1.. arange(5):创建一个含有5个元素,0–4的一个数组

In [1]: a=arange(5)

In [2]: a
Out[2]: array([0, 1, 2, 3, 4])

2.. arange(1,5):创建一个含有4个元素,1–4的一个数组

In [3]: a=arange(1,5)

In [4]: a
Out[4]: array([1, 2, 3, 4])

3.. arange(1,9,2):创建一个含有4个元素,1,3,5,7的一个数组

In [5]: a=arange(1,9,2)

In [6]: a
Out[6]: array([1, 3, 5, 7])

生成数组:array()函数

array函数可以根据给定的对象生成数组.给定的对象应该是类数组,如python中的列表.

In [1]: a=array([arange(3),arange(1,4),arange(1,7,2)])

In [2]: a
Out[2]: 
array([[0, 1, 2],
       [1, 2, 3],
       [1, 3, 5]])

把数组列表作为参数传给array函数,创建了一个多维的数组.

数组维度:shape属性和reshape()函数

shape属性是数组的一个属性,返回一个元组(tuple),元组中的元素是该数组上每一个维度的大小.

In [1]: a=arange(9)

In [2]: a.shape
Out[2]: (9,)

我们定义了一个一维的数组,shape返回了,一个维度9个元素的信息.
也可以直接给shape属性赋值一个元组来为其改变维度:

In [1]: a=arange(24)

In [2]: a
Out[2]: 
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])

In [3]: a.shape=(2,3,4)

In [4]: a
Out[4]: 
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

rashape()函数是用来为数组改变维度,分配每一个维度上的元素个数,如果分配的元素个数不符合原来数组会抛出异常

In [3]: a=arange(24).reshape(2,3,4)

In [4]: a.shape
Out[4]: (2, 3, 4)

In [5]: a
Out[5]: 
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

24个元素的数组分成了2*3*4的三维向量.

取数组索引和切片

一维数组切片和索引:
跟python中的数组取法一致
1.取出第4个到第7个元素切片

In [1]: a=arange(9)

In [2]: a[3:7]
Out[2]: array([3, 4, 5, 6])

2.取出0-7,间隔2

In [3]: a[:7:2]
Out[3]: array([0, 2, 4, 6])

3.翻转数组

In [9]: a[::-1]
Out[9]: array([8, 7, 6, 5, 4, 3, 2, 1, 0])

多维数组的索引和切片:
还是利用上面的例子

In [1]: a=arange(24).reshape(2,3,4)

In [2]: a
Out[2]: 
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

1.取出任一位置元素

In [3]: a[1,2,3]
Out[3]: 23

一定要记住,每一个维度的元素都是角标从0开始的.
*我们回顾并比较和一维数组取元素和切片写法,一维使用了”:”作为任意取值,而没有”,”,多维数组中利用了逗号来对维度进行分割,在每一个维度上的取值方式仍然跟一维数组一样.
我们来个看起来复杂,但实际只是不同维度单独取不同的部分:

In [4]: a[:,:2,::2]
Out[4]: 
array([[[ 0,  2],
        [ 4,  6]],

       [[12, 14],
        [16, 18]]])

第一维全部都要用了一个”:”
第二维要2个元素”:2”
第三维要全部但间隔为2取值
来看看翻转是不是跟一维数组一样:

In [5]: a[:,::-1,::-1]
Out[5]: 
array([[[11, 10,  9,  8],
        [ 7,  6,  5,  4],
        [ 3,  2,  1,  0]],

       [[23, 22, 21, 20],
        [19, 18, 17, 16],
        [15, 14, 13, 12]]])

显然我们是把第二个和第三个维度进行了翻转,接下来随意的在每个维度上不同取法试试:

In [6]: a[:,:1,::2]
Out[6]: 
array([[[ 0,  2]],

       [[12, 14]]])

In [7]: a[:,1,::2]
Out[7]: 
array([[ 4,  6],
       [16, 18]])

In [8]: a[1,1,::2]
Out[8]: array([16, 18])

数组展平:raval()和flatten()函数

raval()和flatten()都是用来展平数组的,但是flatten()展平后分配内存来保存结果,而raval()只是返回视图(view)

In [1]: a=arange(24).reshape(2,3,4)

In [2]: a
Out[2]: 
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

In [3]: a.ravel()
Out[3]: 
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])

In [4]: a
Out[4]: 
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

In [5]: a.flatten()
Out[5]: 
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])

数组转置:transpos()函数

数据处理中常用转置,用上面的例子转置:

In [6]: a.transpose()
Out[6]: 
array([[[ 0, 12],
        [ 4, 16],
        [ 8, 20]],

       [[ 1, 13],
        [ 5, 17],
        [ 9, 21]],

       [[ 2, 14],
        [ 6, 18],
        [10, 22]],

       [[ 3, 15],
        [ 7, 19],
        [11, 23]]])

数组的各种属性

ndim,数组的维数
size,数组的元素总个数
itemsize,元素在内存中的所占字节数
real,给出复数数组的实部
imag,给出复数数组的虚部
flat,属性将返回一个numpy.flatter对象,这是获得flatter对象的唯一方式

数组的拼接和分割

水平拼接hstack(a,b)
垂直拼接vstack(a,b)
行拼接row_stack(a,b)
列拼接colum_stack(a,b)
深度拼接dstack(a,b)

分成3个子组
水平分割hsplit(a,3)
垂直分割vsplit(a,3)
深度分割dsplit(a,3)

轻笑再轻叹
关注
专栏目录
YDOOK：Python 使用 numpy 定义复数数组 dtype = complex
YDOOK
09-03 9967
Python 使用 numpy 定义复数数组 dtype = complex import numpy as np a = np.array([1, 2, 3], dtype=complex) print(a) print(type(a)) 结果 [1 2 3] <class 'numpy.ndarray'> [[[1 2 3]]] <class 'numpy.ndarray'> Process finished with exit code 0 ...
Numpy基础--创建数组
qq_63979966的博客
03-20 277
a=np.arange(start起始值|默认为0 ,stop终止值|不包含 ,step步长|默认为1 ,dtype类型) 示例：提取15以内5到10之间的元素 a=np.arange(15) print(a[(a=5])a.logspace(起始值， 结束值， 生成样本数， 是否包含结束值， 对数log的底数， 数值类型指定) //可以创建等比数列。a=np.linspace(起始值，结束值，生成样本数，是否包含结束值，是否返回间隔，数值类型指定) //可以创建一维等差。
numpy 声明空数组
热门推荐
乱七八糟的笔记
04-16 1万+
你搜索这个，你会发现好多都是np.zeros(5,2)，嗯都是复制的一个国外的帖子，然而没有翻译人家的话。 然后你愤怒的关闭页面。这简直就是文不对题，这哪是空的。 实际上，numpy的数组机制并不支持空数组。（什么鬼答案？）简单来讲就是numpy会申请连续的内存，如果频繁改变大小，他就要频繁申请新的内存。如果你会c语言知道指针的话，你很容易就能想到他不是list格式而是array格式。 如果...
【Numpy】声明空数组
ljxopencv的博客
06-03 268
转载自https://blog.csdn.net/weixin_31866177/article/details/107380707?utm_term=numpy定义空的数组&utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~all~sobaiduweb~default-5-107380707&spm=3001.4430
numpy 学习汇总45 - 数组选择设置（11种方法）( 初步学习 tcy)
tcy-阿春
12-01 485
选择设置 2018/6/24 2018/11/30 ============================================================================= 1.函数 np.s_[:] #数组索引 np.index_exp[2::2] ...
关于Numpy的十一种声明数组的方式
盼盼的博客
05-05 3000
我有时候感觉自己的精力真的很分散，这次总结了十一种numpy的数组声明方式，是前段时间总结的，记性很差，今天才想起来分享一下： import numpy as np import array '''numpy 中的数组声明方式：''' # 声明一个全零的数组 a = np.zeros((2, 3), dtype=int) print(a) # 声明一个全1数组 b = np.ones((3,...
03-python-numpy-简介-基础-数组-数组类型
02-09
Matplotlib与NumPy结合使用，可以方便地将数组数据可视化，这对于数据分析和结果展示非常重要。 文件“03.03-numpy-数组.ipynb”可能涵盖了创建、访问和操作NumPy数组的基本方法。这包括使用numpy.array()函数创建...
numpy-1.22.4+mkl-cp38-cp38-win-amd64.rar
07-09
首先，numpy是Python中用于处理大型多维数组和矩阵的库，它提供了丰富的数学函数库来操作这些数据结构。numpy的出现极大地提升了Python在科学计算领域的性能，使得Python从一种脚本语言转变为一个强大的数据分析工具...
numpy-1.26.4-cp311-cp311-win-amd64.whl
最新发布
06-15
它的核心功能是提供高效的多维数据容器——numpy数组（也称为ndarray），支持大量的维度数组和矩阵运算，同时为这些数组提供了大量的数学函数库。这使得numpy成为Python科学计算的基石。 numpy数组与Python内置的...
numpy-1.22.4+mkl-cp38-cp38-win-amd64.whl
01-27
"深度学习" 提示这个库可能被用于支持深度学习项目，因为NumPy在构建和训练神经网络时经常作为基础数据结构库被使用。 压缩包子文件的文件名称列表包括 "numpy-1.22.4+mkl-cp38-cp38-win_amd64-whl.txt" 和 "numpy-...
Numpy 创建数组
Claroja
06-14 540
创建数组 方法 描述 empty(shape[, dtype, order]) 根据指定的shape和dtype创建数组 empty_like(a[, dtype, order, subok]) 根据已知数组的shape和dtype创建数组 eye(N[, M, k, dtype, order]) 创建对角线为1的二维数组 identi...
Numpy创建数组
笑一个吧
04-11 1306
文章目录创建数组numpy属性一般创建数组使用快捷函数创建数组参数dtype的作用：规定数组的数据类型reshape()更改数组形状arange()生成数字序列， 创建数组 numpy属性 numpy数组属性 shape:查看数组形状 dtype查看数组类型 一般创建数组 #创建一维数组 data =[1,2,3] arr = np.array(data) print(arr) #shape:...
splice删除数组中的指定的某些元素
LLL_liuhui的博客
09-10 4136
splice删除我们常见的是如下，我们要删除addr数组中，包含属性a为空的元素 for(let i=0;i<==arrd.length-1;i++){ if(addr[i].a==''){ addr.splice(i, 1) } } 但是这样是不能删除数组中所有a属性为空的数组的，因为splice会改变原数组，会导致i的变化，所以我们可以使i一直等于数组的长度-1 for(let i<=arrd.length-1;i>=0;i--){ if(addr[i].a==''
复数知识结合Numpy实现
Powerking666的博客
12-30 1991
运行环境： numpy 复数（complex number ） 表达式 模 幅角 a+bi r= |z|= a2+b2\sqrt{a^{2}+b^{2}}a2+b2​ θ\thetaθ=Arg(z)∈[−π,π]\in[-\pi,\pi]∈[−π,π]内的称为幅角主值 numpy： np.abs(a+bi) np.angle(a+bi,deg=True)deg:False(默认)返回弧度；True返回角度 例子： import numpy as np z=3+4j prin
numpy之数组基础
shihuangdeng898的博客
09-06 149
一维数组，多维数组： 涉及方法 索引和切片 展平 ravel 只显示变为一维数组的视图 flatten将多维数组变成一维数组后保存结果  dtype显示数据类型，注意复数不能转换为整数和浮点数 dtype 类的 itemsize 属性：单个数组元素在内存中占用的字节数 数组的 shape 属性返回一个元组（tuple），元组中的元素即为NumPy数组每一个维度上的大小 用元组设置维度 ...
python定义复数数组_python数组
weixin_39988677的博客
12-12 3810
什么是字典?一种映射类型– 键(key)– 值(value)– key-value对创建字典− 直接利用dict函数ndarray基本– 维度(dimensions)称为轴(axes)，轴的个数称为秩(rank)– 基本属性• ndarray.ndim(秩)• ndarray.shape(维度)• ndarray.size(元素总个数)• ndarray.dtype(元素类型)• ndarray....
python 复数数组_python的数组运算及推导式的运用
weixin_39674414的博客
12-08 859
运行方式：缩进 TAb(四格)或者space(1格)注释：#可以在程序后注释文字 或者''' ... ''' ，""" ... """ 可以多行注释 中间全为注释数值输出 print(...)图形输出 import matplotlib as pltplt.show()列表 list=[] #字符串 数字均可元组 tuple=()#不可更改，输入字符串 数字均可字典 di...
numpy中带逗号的切片
lxt1101的博客
05-05 812
对于普通的切片： list名[首：尾：步长] numpy中的切片： 数组名[首：尾，首：尾：步长]（逗号用于区分维度，注意：逗号前面不能限定步长） 什么意思勒：逗号用于区分维度的意思就是你有多少维，就用多少个逗号， 例如：一个二维数组，[:2,:2] 意思就是切取数组前两行两列的子数组 以这个数组为例： import numpy as np a = np.array([ [1, 2, 3], [4, 5, 6], [7, 8, 9], [11.
Numpy矩陣常用語法
canon760d的博客
07-24 237
Numpy常用語法 1. np.array np.array是創建矩陣的語法 假如今天想要一個一維矩陣 a = np.array([0, 1, 2, 3, 4])，print(a) # >>>[0 1 2 3 4] b = np.array((0, 1, 2, 3, 4))，print(b) # >>>[0 1 2 3 4]，這樣就是一個一維矩陣 c = np...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值