numpy简洁教程(一篇就够) - 属性/生成/读写/运算/形状修改

    

目录

1、numpy属性

2、数组生成

（1）1、2、3维数组，字符串数组 直接生成

（2）生成数组时指定数据类型

（3）生成0、1数组

（4） 从现有数据生成数组

（5）生成固定范围数组 linspace、arange、logspace

（6）生成随机数组：均匀分布、正太分布

3、numpy 索引、切片

4、numpy 形状改变，reshape 和 resize区别

5、numpy 数组去重

6、numpy 逻辑运算

（1） 逻辑符号运算 

（2）通用判断函数 numpy.all()   numpy.any()

（3）三元运算函数  numpy.where()  numpy.logical_and()  numpy.logical_or()

7、numpy 统计运算  min/max/median/mean/std/var.......

8、numpy 数组间的运算

---

1、numpy属性

import numpy as np
score=np.ones([8,5])
score.shape     #(8, 5)
score.ndim      #维数
score.size      #行数*列数
score.itemsize  #元素字节数
score.dtype     #元素类型

2、数组生成

   生成方式如下： 

（1）1、2、3维数组，字符串数组 直接生成

a=np.array([1,2,3,4])                                      #1维数组生成
b=np.array([[1,2,3],  [1,2,3]])                            #2维数组生成
c=np.array([[[1,2,3],[1,2,3]],  [[1,2,3],[1,2,3]],  [[1,2,3],[1,2,3]],   [[1,2,3],[1,2,3]]])                                                 #3维数组生成
f=np.array(["numpy","plot","panda"], dtype=np.string_)     #字符串数组

（2）生成数组时指定数据类型

d=np.array([1,2,3,4], dtype=np.float32)           #生成数组时，指定数据类型

（3）生成0、1数组

a1=np.ones((8,5))
a1=np.ones([2,3])
c1=np.zeros_like(a1)

（4） 从现有数据生成数组

c1=np.array([[1,2,3], [4,5,6]])
c2=np.array(c1)#创建新的----深拷贝
c3=np.asarray(c1)#相当于索引，并没有真的创建----浅拷贝

（5）生成固定范围数组 linspace、arange、logspace

#np.linspace(start,stop,num=50,endpoint=true) endpoint是否包含stop
#np.arange(start,stop,step,dtype)
#np.logspace(start,stop,num)  10^n
np.linspace(0,100,11)
np.arange(0,100,10)
np.arange(12)#0-12 , step=1
np.logspace(0,4,3)