numpy实用技巧（一）

                       

import numpy as np
  
  
1

       

功能	函数
设置打印输出的精度	np.set_printoptions(precision=4)

一维数组构成的list，再进行像数组的转换

是以行的形式（而非列的形式）在拼接；

>>> X = np.random.randn(5, 3)>>> ops = [np.argmax, np.argmin]>>> np.asarray([op(X, 1) for op in ops])[[1 2 2 2 2] [2 0 1 1 1]]
  
  
1
2
3
4
5

两个向量的拼接

例如两个长度为 n n 的矩阵，可以使用np.vstack()，

>>> x, y = np.ones(3), np.zeros(3)>>> np.vstack((x, y))array([[ 1.,  1.,  1.],       [ 0.,  0.,  0.]])
  
  
1
2
3
4

也可使用作为np.array()构造函数的参数，进行创建：

>>> np.array([x, y])array([[ 1.,  1.,  1.],       [ 0.,  0.,  0.]])
  
  
1
2
3

xx, yy = np.meshgrid(np.arange(, , ), np.arange(, , ))z = clf.predict(np.array([xx.ravel(), yy.ravel()]).T)z = z.reshape(xx.shape)plt.contoutf(xx, yy, z, alpha=.4, cmap=cmap)
  
  
1
2
3
4

numpy.ndarray的遍历

>>> X = np.random.randn(3, 3)array([[-0.24882132, -0.32389773, -0.96069467],       [ 1.26331248,  1.59089579, -0.97145676],       [-0.03989954,  0.28587614,  0.04657364]])>>> for i in X:        print(i)[-0.24882132 -0.32389773 -0.96069467][ 1.26331248  1.59089579 -0.97145676][-0.03989954  0.28587614  0.04657364]>>> for i in X:        for j in i:            print j-0.248821323982-0.32389773407-0.9606946723261.263312482291.59089578902-0.971456755866-0.03989954410630.2858761391820.0465736443469
  
  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

numpy.ndarray()类型转换

有时编译器会报如下的错误：

 

TypeError: Cannot cast array data from dtype(‘float64’) to
  dtype(‘int32’) according to the rule ‘safe’

>>> print(np.bincount(y_train))TypeError: Cannot cast array data from dtype('float64') to dtype('int32') according to the rule 'safe'
  
  
1
2
3

如果我们使用python基本模块下的强制类型转换，又会提示如下的错误：

>>> print(np.bincount(int(y_train)))TypeError: only length-1 arrays can be converted to Python scalars
  
  
1
2
3

此时可以使用x.astype(type)成员

>>> print(np.bincount(y_train.astype(np.int32))
  
  
1

二维数组的逆序

列向的逆序 A[:, -1::-1]：

>>> np.set_printoptions(precision=4)>>> A = np.random.randn(3, 3)>>> Aarray([[ 1.2381, -0.2428, -0.4687],       [-1.0588,  0.0432,  0.9937],       [ 0.2708,  1.4833,  0.2697]])>>> A[:, -1::-1]array([[-0.4687, -0.2428,  1.2381],       [ 0.9937,  0.0432, -1.0588],       [ 0.2697,  1.4833,  0.2708]])
  
  
1
2
3
4
5
6
7
8
9
10
11

行向的逆序：A[-1::-1, :]

>>> A[-1::-1, :]array([[ 0.2708,  1.4833,  0.2697],       [-1.0588,  0.0432,  0.9937],       [ 1.2381, -0.2428, -0.4687]])
  
  
1
2
3
4

references

basics types in Numpy

           

再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！https://blog.csdn.net/jiangjunshow