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