python-numpy的一些简单函数--补充中

模块Numpy的主要对象是同种类型元素的多维数组。

在Numpy中维度(dimensions)叫做轴(axes) , 轴的个数叫做秩(rank)

  • ndarray.ndim

    数组轴的个数,在python的世界中,轴的个数被称作秩

  • ndarray.shape

    数组的维度。这是一个指示数组在每个维度上大小的整数元组。例如一个n排m列的矩阵,它的shape属性将是(2,3),这个元组的长度显然是秩,即维度或者ndim属性

  • ndarray.size

    数组元素的总个数,等于shape属性中元组元素的乘积。

  • ndarray.dtype

    一个用来描述数组中元素类型的对象,可以通过创造或指定dtype使用标准Python类型。另外NumPy提供它自己的数据类型。

  • ndarray.itemsize

    数组中每个元素的字节大小。例如,一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如,一个元素类型为complex32的数组item属性为4(=32/8).

  • ndarray.data

    包含实际数组元素的缓冲区,通常我们不需要使用这个属性,因为我们总是通过索引来使用数组中的元素。

    >>> import numpy
    >>> from numpy import *
    >>> array1 = array([1,2,3,4])    #秩为1,轴的长度4
    >>> array1
    array([1, 2, 3, 4])
    >>> array1.shape
    (4,)
    >>> 


    sum函数:
    >>> array3 = arange(12).reshape(3,4)
    >>> array3
    array([[ 0,  1,  2,  3],
           [ 4,  5,  6,  7],
           [ 8,  9, 10, 11]])
    >>> array3.sum(axis = 0)            #每列元素相加
    array([12, 15, 18, 21])
    >>> array3.sum(axis = 1)            #每行元素相加
    array([ 6, 22, 38])
    >>> 
    >>> array3.cumsum(axis = 0)         #每行逐渐相加
    array([[ 0,  1,  2,  3],
           [ 4,  6,  8, 10],
           [12, 15, 18, 21]])
    >>> array3.cumsum(axis = 1)         #每列逐渐相加
    array([[ 0,  1,  3,  6],
           [ 4,  9, 15, 22],
           [ 8, 17, 27, 38]])
    >>> 

    >>> array4 = arange(27).reshape(3,3,3)
    >>> array4
    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, 25, 26]]])
    >>> array4.sum(axis = 0)         #轴:行,列,高;高:对应元素相加
    array([[27, 30, 33],
           [36, 39, 42],
           [45, 48, 51]])
    >>> array4.sum(axis = 1)         #列:对应元素相加
    array([[ 9, 12, 15],
           [36, 39, 42],
           [63, 66, 69]])
    >>> array4.sum(axis = 2)          #行:对应元素相加
    array([[ 3, 12, 21],
           [30, 39, 48],
           [57, 66, 75]])
    >>> 





  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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