python numpy常用用法总结

0.定期复习巩固基本材料[1]

1.np.reshape()
np.reshape()与其他函数配合使用。在一些场合下，A函数输出结果的维数不能满足B函数的输入要求，此时np.reshape()作为中间的衔接环节将变量的维数整形成B所需要的形式。
2.np.array()
np.array()常用于复制python中一个普通变量的值产生一个新的np数组，以便后续使用各种numpy操作。
3.np.arange()
np.arange()生成1维数组，用于在测试其他函数用法的时候产生一个样例数据。
4.np. concatenate((a1, a2, …), axis=0, out=None)[2]
有的时候，程序存在多个独立的变量，np. concatenate()用于将这些变量整合为一个新的变量。

import numpy as np
a = np.arange(1,5).reshape(1,-1)# 保证a是二维数组
# [[1 2 3 4]]
b = np.arange(5,13).reshape(2,-1)
# [[ 5  6  7  8]
# [ 9 10 11 12]]
c = np.concatenate((a,b),axis=None)# 平铺，此方法最简单，不论a、b的维数
# [ 1  2  3  4  5  6  7  8  9 10 11 12]
d = np.concatenate((a,b),axis=0)# 按行拼接
#[[ 1  2  3  4]
# [ 5  6  7  8]
# [ 9 10 11 12]]

5.np.append()
程序运行中，新的数据不断产生。np.append()用于将这些新产生的数据存储到一个统一变量中，该函数一般出现在循环语句中。以下给出一个使用样例：

data = get_sensor_data()				# 初始化一个变量，内容是得到的传感器数值
	for i in range(5):
		time.sleep(1)						# 每隔1s采样一帧数据
		data = np.append(data, get_sensor_data())
data = data.reshape(6,-1)				# 采样结束，按行排列

参考链接
[1] 简书《Python基础数据处理库NumPy》 CodingFish
[2] numpy库数组拼接np.concatenate的用法