numpy-01-数组

import numpy as np

numpy能完成python数组不能完成的运算操作

In [1]: a = [1,2,3,4]

In [2]: a + 1
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-2-ca42ed42e993> in <module>
----> 1 a + 1

TypeError: can only concatenate list (not "int") to list

In [3]: import numpy as np

In [4]: b = np.array(a)

In [5]: b + 1
Out[5]: array([2, 3, 4, 5])

In [6]: b + np.array([1,2,3,4])
Out[6]: array([2, 4, 6, 8])

In [7]: c = np.array([2,3,4,5])

In [8]: b * c
Out[8]: array([ 2,  6, 12, 20])

array 切片和python 列表是一样的
array 属性查看

In [10]: np.size(b)
Out[10]: 4

In [11]: b.ndim
Out[11]: 1

In [12]: b.dtype
Out[12]: dtype('int32')

In [13]: b.shape
Out[13]: (4,)

In [14]: b.size
Out[14]: 4

多维数组

diagonal
tostring
fromstring

多维数组切片

花式索引

按指定维进行求和，求积等运算

最大、最小、均值、方差

clip
ptp
round
sort
argsort
searchsorted
reshape
squeeze
transpose
concatenate
flatten
vstack、hstack、dstack
ravel
atleast_xd

生成数组

np.arange()
np.linspace()
np.logspace()
np.meshgrid()
np.ones()
np.zeros()
np.empty()
np.indentity()

	作用
1	基本属性
a.dtype	数组元素类型 float32,uint8,…
a.shape	数组形状 (m,n,o,…)
a.size	数组元素数
a.itemsize	每个元素占字节数
a.nbytes	所有元素占的字节
a.ndim	数组维度
2	形状相关
a.flat	所有元素的迭代器
a.flatten()	返回一个1维数组的复制
a.ravel()	返回一个1维数组，高效
a.resize(new_size)	改变形状
a.swapaxes(axis1, axis2)	交换两个维度的位置
a.transpose(*axex)	交换所有维度的位置
a.T,a.transpose()	转置
a.squeeze()	去除所有长度为1的维度
3	填充复制
a.copy()	返回数组的一个复制
a.fill(value)	将数组的元组设置为特定值
4	转化
a.tolist()	将数组转化为列表
a.tostring()	转换为字符串
a.astype(dtype)	转化为指定类型
a.byteswap(False)	转换大小字节序
a.view(type_or_dtype)	生成一个使用相同内存，但使用不同的表示方法的数组
5	复数
a.imag	虚部
a.real	实部
a.conjugate()	复共轭
a.conj()	复共轭（缩写）
6	保存
a.dump(file)	将二进制数据存在file中
a.dump()	将二进制数据表示成字符串
a.tofile(fid, sep="",format="%s")	格式化ASCⅡ码写入文件
7	查找排序
a.nonzero()	返回所有非零元素的索引
a.sort(axis=-1)	沿某个轴排序
a.argsort(axis=-1)	沿某个轴，返回按排序的索引
a.searchsorted(b)	返回将b中元素插入a后能保持有序的索引值
8	元素数学操作
a.clip(low, high)	将数值限制在一定范围内
a.round(decimals=0)	近似到指定精度
a.cumsum(axis=None)	累加和
a.cumprod(axis=None)	累乘积
9	约简操作
a.sum(axis=None)	求和
a.prod(axis=None)	求积
a.min(axis=None)	最小值
a.max(axis=None)	最大值
a.argmin(axis=None)	最小值索引
a.argmax(axis=None)	最大值索引
a.ptp(axis=None)	最大值减最小值
a.mean(axis=None)	平均值
a.std(axis=None)	标准差
a.var(axis=None)	方差
a.any(axis=None)	只要有一个不为0，返回真，逻辑或
a.all(axis=None)	所有都不为0，返回真，逻辑与