concatenate函数
# 一维数组直接拼接
# 二维数组看axis
>>> a=np.array([[1,2,3],[4,5,6]])
>>> b=np.array([[11,21,31],[7,8,9]])
>>> np.concatenate((a,b),axis=0)
array([[ 1, 2, 3],
[ 4, 5, 6],
[11, 21, 31],
[ 7, 8, 9]])
>>> np.concatenate((a,b),axis=1) #axis=1表示对应行的数组进行拼接
array([[ 1, 2, 3, 11, 21, 31],
[ 4, 5, 6, 7, 8, 9]])
np.bincount统计整数数组每个数出现的次数,输出一个数组。
.astype(int)转换为int类型
axis:
rows
axis=0:沿着行(rows)的方向跨列
cols
axis=1:沿着列(cols)的方向跨行
enumerate多用于在for循环中得到计数,利用它可以同时获得索引和值
s = [1, 2, 3, 4, 5]
e = enumerate(s)
for index, value in e:
print('%s, %s' % (index, value))
输出结果:
0, 1
1, 2
2, 3
3, 4
4, 5
ones是numpy的一个内置函数,作用是生成参数为一的数组
>>> np.ones(5)
array([ 1., 1., 1., 1., 1.])
>>> np.ones((5,), dtype=np.int)
array([1, 1, 1, 1, 1])
>>> np.ones((2, 1))
array([[ 1.],
[ 1.]])
>>> s = (2,2)
>>> np.ones(s)
array([[ 1., 1.],
[ 1., 1.]])
array与asarray的区别:
array和asarray都可以将结构数据转化为ndarray
np.array 会copy出一个副本,占用新的内存,属于深拷贝
np.asarray 当 dtype 相同时,指针指向的内存相同,属于浅拷贝。
np.asarray 当 dtype 不同时,使用深拷贝。