my_ndarray.size
5
使用 NumPy 方法创建 ndarray
如果你不想直接使用列表来创建 ndarray,还有几种可以用来创建它的 NumPy 方法。
你可以使用 np.zeros
来创建一个填满 0 的 ndarray。它需要一个“形状”作为参数,这是一个包含行数和列数的列表。它还可以接受一个可选的dtype
参数,这是 ndarray 的数据类型:
my_ndarray = np.zeros([2,3], dtype=int)
print(my_ndarray)
[[0 0 0]
[0 0 0]]
你可以使用 np. ones
来创建一个填满1
的 ndarray:
my_ndarray = np.ones([2,3], dtype=int)
print(my_ndarray)
[[1 1 1]
[1 1 1]]
你可以使用 np.full
来给 ndarray 填充一个特定的值:
my_ndarray = np.full([2,3], 10, dtype=int)
print(my_ndarray)
[[10 10 10]
[10 10 10]]
你可以使用 np.eye
来创建一个单位矩阵 / ndarray,这是一个沿主对角线都是1
的正方形矩阵。正方形矩阵是一个行数和列数相同的矩阵:
my_ndarray = np.eye(3, dtype=int)
print(my_ndarray)
[[1 0 0]
[0 1 0]
[0 0 1]]
你可以使用 np.diag
来创建一个沿对角线有指定数值的矩阵,而在矩阵的其他部分为0
:
my_ndarray = np.diag([10, 20, 30, 40, 50])
print(my_ndarray)
[[10 0 0 0 0]
[ 0 20 0 0 0]
[ 0 0 30 0 0]
[ 0 0 0 40 0]
[ 0 0 0 0 50]]
你可以使用 np.range
来创建一个具有特定数值范围的 ndarray。它是通过指定一个整数的开始和结束(不包括)范围以及一个步长来创建的:
my_ndarray = np.arange(1, 20, 3)
print(my_ndarray)
[ 1 4 7 10 13 16 19]
读取 ndarray
ndarray 的值可以使用索引、分片或布尔索引来读取。
使用索引读取 ndarray 的值
在索引中,你可以使用 ndarray 的元素的整数索引来读取数值,就像你读取 Python 列表一样。就像 Python 列表一样,索引从 0
开始。
例如,在定义如下的 ndarray 中:
my_ndarray = np.arange(1, 20, 3)
第四个值将是 my_ndarray[3]
,即10
。最后一个值是my_ndarray[-1]
,即19
:
my_ndarray = np.arange(1, 20, 3)
print(my_ndarray[0])
1
print(my_ndarray[3])
10
print(my_ndarray[-1])
19
print(my_ndarray[5])
16
print(my_ndarray[6])
19
使用分片读取 ndarray
你也可以使用分片来读取 ndarray 的块。分片的工作方式是用冒号(:
)操作符指定一个开始索引和一个结束索引。然后,Python 将获取该开始和结束索引之间的 ndarray 片断:
print(my_ndarray[:])
[ 1 4 7 10 13 16 19]
print(my_ndarray[2:4])
[ 7 10]
print(my_ndarray[5:6])
[16]
print(my_ndarray[6:7])
[19]
print(my_ndarray[:-1])
[ 1 4 7 10 13 16]
print(my_ndarray[-1:])
[19]
分片创建了一个 ndarray 的引用(或视图)。这意味着,修改分片中的值也会改变原始 ndarray 的值。
比如说:
my_ndarray[-1:] = 100
print(my_ndarray)
[ 1 4 7 10 13 16 100]
对于秩超过 1 的 ndarray 的分片,可以使用 [行开始索引:行结束索引, 列开始索引:列结束索引]
语法:
my_ndarray2 = np.array([(1, 2, 3), (4, 5, 6)])
print(my_ndarray2)
[[1 2 3]
[4 5 6]]
print(my_ndarray2[0:2,1:3])
[[2 3]
[5 6]]
使用布尔索引读取 ndarray 的方法
读取 ndarray 的另一种方法是使用布尔索引。在这种方法中,你在方括号内指定一个过滤条件,然后返回符合该条件的 ndarray 的一个部分。
例如,为了获得一个 ndarray 中所有大于 5 的值,你可以指定布尔索引操作 my_ndarray[my_ndarray > 5]
。这个操作将返回一个包含所有大于 5 的值的 ndarray:
my_ndarray = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
my_ndarray2 = my_ndarray[my_ndarray > 5]
print(my_ndarray2)
[ 6 7 8 9 10]
例如,为了获得一个 ndarray 中的所有偶数值,你可以使用如下的布尔索引操作:
my_ndarray2 = my_ndarray[my_ndarray % 2 == 0]
print(my_ndarray2)
[ 2 4 6 8 10]
而要得到所有的奇数值,你可以用这个方法:
my_ndarray2 = my_ndarray[my_ndarray % 2 == 1]
print(my_ndarray2)
[1 3 5 7 9]
ndarray 的矢量和标量算术
NumPy 的 ndarray 允许进行矢量和标量算术操作。在矢量算术中,在两个 ndarray 之间进行一个元素的算术操作。在标量算术中,算术运算是在一个 ndarray 和一个常数标量值之间进行的。
如下的两个 ndarray:
my_ndarray = np.array([1, 2, 3, 4, 5])
my_ndarray2 = np.array([6, 7, 8, 9, 10])
如果你将上述两个 ndarray 相加,就会产生一个两个 ndarray 的元素相加的新的 ndarray。例如,产生的 ndarray 的第一个元素将是原始 ndarray 的第一个元素相加的结果,以此类推:
print(my_ndarray2 + my_ndarray)
[ 7 9 11 13 15]
这里,7
是1
和6
的和,这是我相加的 ndarray 中的前两个元素。同样,15
是5
和10
之和,是最后一个元素。
请看以下算术运算:
print(my_ndarray2 - my_ndarray)
[5 5 5 5 5]
print(my_ndarray2 * my_ndarray)
[ 6 14 24 36 50]
print(my_ndarray2 / my_ndarray)
[6. 3.5 2.66666667 2.25 2. ]
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
1a671c1fb70aad5355a2c5eeff0.png)
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
[外链图片转存中…(img-SjbdBnOy-1711880925515)]