numpy笔记

1.shape 返回的是一个包含数组维度的元组，它也可以用于调整数组大小

import numpy as np
a=np.array([
[1,2,3,4,5,6,7],
[8,9,10,11,12,13,14]
])
print a.shape # 返回的是数组的大小
print a.shape[0] # 返回的是数组的维度
print a.shape[1] # 返回的是数组的每一维度的数据数量

 

 

2.reshape 用来调整数组的大小

import numpy as np
a =np.arange(24)
b = a.reshape(3,2,4) #将数组转换成一个三维的 数据分成3份 每份 2行 一行 4个 元素
print b

 

 

3.zeros 返回特定大小，以 0 填充的新数组。

import numpy as np
a=np.zeros((2,3))
print a

 

 

4.asarray 将数据转化为 np格式的数组

# 将列表转换为 ndarray
import numpy as np
x = [1,2,3]
a = np.asarray(x)
print a
 
# 来自元组的 ndarray
x = (1,2,3)
a = np.asarray(x)
print a
 
# 来自元组列表的 ndarray
x = [(1,2,3),(4,5)]
a = np.asarray(x)
print a

 

 

 

5.arange 这个函数返回ndarray对象，包含给定范围内的等间隔值

import numpy as np
x=np.arange(-10,10,1,int) # 起始值，终止值，步长，数据类型
print x

 

 

 

6.linspace 在此函数中，指定了范围之间的均匀间隔数量，而不是步长

numpy.linspace(start, stop, num, endpoint, retstep, dtype)

序号 参数及描述

1. start 序列的起始值

2. stop 序列的终止值，如果endpoint为true，该值包含于序列中

3. num 要生成的等间隔样例数量，默认为50

4. endpoint 序列中是否包含stop值，默认为ture

5. retstep 如果为true，返回样例，以及连续数字之间的步长

6. dtype 输出ndarray的数据类型

import numpy as np
x=np.linspace(-10,10,5)
print x

 

 

7.切片

 

import numpy as np
a = np.array([
[1,2,3],
[3,4,5],
[4,5,6]
])
 
print a[1] # 返回的是第二行的数据
print a[...,1] # 返回的是第二列的数据
print a[1,...] # 返回的是第二行的数据
print a[...,1:] # 返回的是第二列及其以后的数据

import numpy as np
x = np.array([[1, 2], [3, 4], [5, 6]])
y = x[[0,1,2], [0,1,0]]
print y # 返回的是数组中(0,0)，(1,1)和(2,0)位置处的元素。

 

转载于:https://www.cnblogs.com/HapyyHao1314/p/7384423.html