Python——numpy.array

numpy是一种便于统计操作的数据类型,numpy.array是numpy的列表类型

下面是几种numpy.array的一些基本操作:

world_alcohol=numpy.genfromtxt("world_alcohol.txt",delimiter=",",dtype=str)  #把数据和代码放在同一目录之下,只需引用文件名即可,其次是分隔符以及输出格式的选定


import mumpy as np                            #方便调用numpy将他命名为np

print(np.zeros([2,4]))                               #生成全零矩阵

print(np.ones([3,5]))                                #生成全一矩阵
print("Rand:")                                        
print(np.random.rand(2,4))                       #生成两行四列随机数矩阵
print(np.random.rand())                            #生成随机数
print("RandInt:")
print(np.random.randint(1,10))                   #生成一个随机整数
print("Randn:")
print(np.random.randn(2,4))                        #生成高斯分布矩阵
print("Choice:")
print(np.random.choice([10,20,30]))              #在10,20,30里随机生成



lst=np.arange(1,11).reshape([2,-1])                        #-1属于空置,无作用
print(np.exp(lst))
print(np.exp2(lst))
print(np.sqrt(lst))
print(np.sin(lst))

print(np.log(lst))



ls=np.array([[[1,2,3,4],                                                        
              [4,5,6,7]],
             [[7,8,9,10],
             [10,11,12,13]],
              [[14,15,16,17],    
               [18,19,20,21]]
              ])
print(ls.sum(axis=0))                                        axis可以从0到纬度-1之间的数,作为一个参数调节函数功能。
print(ls.sum(axis=1))
print(ls.sum(axis=2))
print(ls.max(axis=1))

print(ls.min(axis=0))

运行结果:

[[22 25 28 31]                            22=1+7+14,25=2+8+15......

 [32 35 38 41]]

[[ 5  7  9 11]                                5=1+4,17=7+10,32=14+18.......
 [17 19 21 23]

 [32 34 36 38]]

[[10 22]                                        10=1+2+3+4,22=4+5+6+7
 [34 46]

 [62 78]]

[[ 4  5  6  7]
 [10 11 12 13]

 [18 19 20 21]]

[[1 2 3 4]

 [4 5 6 7]]


ls1=np.array([10,20,30,40])                                            numpy.array的特点就是对列表元素直接操作,可以

ls2=np.array([4,3,2,1])                                                    直接让两个列表的对应元素相操作,而非LIST中。

print("Add")                                                                    简单的列表拼接

print(ls1+ls2)
print('Sub')
print(ls1-ls2)
print("Mul")
print(ls1*ls2)
print("Div")
print(ls1/ls2)
print("Square")

print(ls1**2)

矩阵的操作也可以实现:

print("Dot")                          #矩阵相乘
print(np.dot(ls1.reshape([2,2]),ls2.reshape([2,2])))

print(np.vstack((ls1,ls2)))               #横向拼接    
print(np.hstack((ls1,ls2)))               #垂直拼接
print(np.split(ls1,2))                       #把ls1分成两个


Python中的NumPy库是用于科学计算的重要工具,其中包含了处理多维数组的功能。可以使用NumPy库创建和操作数组,例如通过np.array()函数传入可迭代对象来创建数组。可以使用该函数传入一个列表或元组等作为参数,如np.array([0, 1, 2, 3, 4])可以创建一个包含这些元素的一维数组,而np.array([[11, 12, 13],[21, 22, 23]])则可以创建一个2*3的二维数组。还可以通过指定数据类型,例如np.array([0, 1, 2, 3, 4], dtype=float)可以创建一个包含浮点数的数组。 此外,NumPy还提供了许多数学函数来操作数组。例如,可以使用np.sin()函数对一维数组中的所有元素进行求正弦值,使用np.cos()函数求二维数组中的所有元素的余弦值。可以使用np.round()函数进行四舍五入,np.ceil()函数向上取整,等等。 总之,Python中的NumPy库提供了丰富的功能来创建、操作和处理数组,使得在科学计算和数据分析中更加方便和高效。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [python中找出numpy array数组的最值及其索引方法](https://download.csdn.net/download/weixin_38640830/12869491)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [Python数据分析之numpy数组全解析](https://blog.csdn.net/weixin_30851409/article/details/101717473)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [【Pythonnumpy——数组array](https://blog.csdn.net/fftx_00/article/details/122265623)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值