Python_Numpy

最新推荐文章于 2024-04-22 00:02:24 发布

「已注销」

最新推荐文章于 2024-04-22 00:02:24 发布

阅读量354

点赞数

分类专栏： python 文章标签： python 开发语言后端

原文链接：https://editor.csdn.net/md?not_checkout=1&articleId=120991143

版权

python 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

Numpy笔记

numpy.movezxis

格式: numpy.moveaxis(a, source, destination)
功能: 将数组的轴移到新位置。

参数 ：
a ：np.ndarray
轴应重新排序的数组。
source ：int 或 int的sequence 
要移动的轴的原始位置。 这些必须是唯一的。
destination ：int 或 int的sequence
每个原始轴的目标位置。 这些也必须是唯一的。

>>> import numpy as np
>>> x = np.zeros((3,4,5))
>>> np.moveaxis(x,0,-1).shape
(4, 5, 3)
>>> x
array([[[0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.]],

       [[0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.]],

       [[0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.]]])
>>> x = np.moveaxis(x,0,-1)
>>> x
array([[[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]],

       [[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]],

       [[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]],

       [[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]]])

numpy.rollaxis函数

格式: numpy.rollaxis(a, axis, start=0)
功能: 向后滚动指定的轴，直到其位于给定的位置。

参数 ：
a ：ndarray
输入数组。
axis ：int
要滚动的轴。 其他轴的位置相对彼此不变。
start ：int, 可选
start<= axis（开始<=轴）时，轴将回滚直到其位于该位置。 
当start>axis时，轴将滚动直到其位于该位置之前。 默认值为0，

>>> a = np.ones((3,4,5,6))
>>> np.rollaxis(a,3,1).shape
(3, 6, 4, 5)
>>> np.rollaxis(a,2).shape #如果没有设置目的参数，则自动到最前面
(5, 3, 4, 6)
>>> np.rollaxis(a,1,4).shape
(3, 5, 6, 4)

numpy.swapaxes函数

格式: numpy.swapaxes(a, axis1, axis2)
功能: 互换数组的两个轴。

参数 ：
a ：array_like
输入数组。
axis1 ：int
第一轴。
axis2 ：int
第二轴。

>>> x = np.array([[1,2,3]])
>>> np.swapaxes(x,0,1)
array([[1],
       [2],
       [3]])
>>> x = np.array([[[0,1],[2,3]],[[4,5],[6,7]]])
>>> x
array([[[0, 1],
        [2, 3]],

       [[4, 5],
        [6, 7]]])
>>> np.swapaxes(x,0,2)
array([[[0, 4],
        [2, 6]],

       [[1, 5],
        [3, 7]]])

numpy.transpose函数

格式: numpy.transpose(a, axes=None)
功能: 反转或排列数组的轴；返回修改后的数组。

参数 ：
a ：array_like
输入数组。
axes ：tuple 或 int类型的list, 可选
如果指定，它必须是包含[0,1，..，N-1]的排列的元组或列表，
其中N是a的轴数。 
返回数组的第i个轴将与输入的编号为axes [i]的轴相对应。 
如果未指定，则默认为range（a.ndim）[::-1]，这将反转轴的顺序。

>>> x = np.arange(4).reshape(2,2)
>>> x
array([[0, 1],
       [2, 3]])
>>> np.transpose(x)
array([[0, 2],
       [1, 3]])

numpy.atleast_1d函数

格式: numpy.atleast_1d(*arys)
功能: 将输入转换为至少一维的数组

参数 ：
arys1, arys2, … ：array_like
一个或多个输入数组。

>>> import numpy as np
>>> np.atleast_1d(1.0)
array([1.])
>>> x = np.arange(9.0).reshape(3,3)
>>> np.atleast_1d(x)
array([[0., 1., 2.],
       [3., 4., 5.],
       [6., 7., 8.]])
>>> np.atleast_1d(1,[3,4])
[array([1]), array([3, 4])]

numpy.atleast_2d函数

格式: numpy.atleast_2d(*arys)
功能: 将输入视为至少具有二维的数组。

参数:
arys1, arys2, … ：array_like
一个或多个类似数组的序列。 非数组输入将转换为数组。 
保留已经具有二维或更多维的数组

>>> np.atleast_2d(3.0)
array([[3.]])
>>> import numpy as np
>>> x = np.arange(3.0)
>>> np.atleast_2d(x)
array([[0., 1., 2.]])
>>> np.atleast_2d(x).base is x
True

numpy.atleast_3d函数

格式: numpy.atleast_2d(*arys)
功能: 将输入视为至少具有三维的数组。

参数:
arys1, arys2, … ：array_like
一个或多个类似数组的序列。 非数组输入将转换为数组。 
保留已经具有三维或更多维的数组

>>> np.atleast_3d(3.0)
array([[[3.]]])
>>> x = np.arange(3.0)
>>> np.atleast_3d(x).shape
(1, 3, 1)
>>> x = np.arange(12.0).reshape(4,3)
>>> np.atleast_3d(x).shape
(4, 3, 1)
>>> np.atleast_3d(x).base is x.base 
True
>>> for arr in np.atleast_3d([1,2],[[1,2]],[[[1,2]]]):
...     print(arr,arr.shape)
... 
[[[1]
  [2]]] (1, 2, 1)
[[[1]
  [2]]] (1, 2, 1)
[[[1 2]]] (1, 1, 2)

numpy.broadcast_to函数

格式: numpy.broadcast_to(array, shape, subok=False)
功能: 将数组广播为新shape。

参数 ：
array ：array_like
要广播的数组。
shape ：tuple
所需数组的形状。
subok ：bool, 可选
如果为True，则将传递子类，否则，
返回的数组将被强制为基类数组（默认）。

>>> x = np.array([1,2,3])
>>> np.broadcast_to(x,(3,3))
array([[1, 2, 3],
       [1, 2, 3],
       [1, 2, 3]])

numpy.broadcast_array函数

格式: numpy.broadcast_arrays(*args, subok=False)
功能: 相互广播任意数量的arrays。

参数 ：
`*args` ：array_likes
要广播的阵列。
subok ：bool, 可选
如果为True，则将传递子类，否则，
返回的数组将被强制为基类数组（默认）。

>>> x = np.array([[1,2,3]])
>>> y = np.array([[4],[5]])
>>> np.broadcast_arrays(x,y)
[array([[1, 2, 3],
       [1, 2, 3]]), array([[4, 4, 4],
       [5, 5, 5]])]
>>> np.broadcast_arrays(x,np.array([[3,2,1]]))
[array([[1, 2, 3]]), array([[3, 2, 1]])]
>>> np.broadcast_arrays(x,(np.array([[3,2,1]]),np.array([[3,2,1]])))
[array([[[1, 2, 3]],
       [[1, 2, 3]]]), array([[[3, 2, 1]],
       [[3, 2, 1]]])]

numpy.expand_dims函数

格式: numpy.expand_dims(a, axis)
功能: 展开数组的shape

>>> x = np.array([1,2])
>>> x.shape
(2,)
>>> y = np.expand_dims(x,axis=0)
>>> y
array([[1, 2]])
>>> y.shape
(1, 2)
>>> y = np.expand_dims(x,axis=(0,1))
>>> y
array([[[1, 2]]])
>>> y = np.expand_dims(x,axis=(2,0))
>>> y
array([[[1],
        [2]]])

numpy.squeeze函数

格式: numpy.squeeze(a, axis=None)
功能: 从数组shape中删除一维条目

参数 ：
a ：array_like
输入数据。
axis ：None 或 int 或 int类型的tuple。 选择形状中一维条目的子集。 
如果选择的形状输入大于一个的轴，则会引发错误。
Raises ：ValueError

>>> x = np.array([[[0],[1],[2]]])
>>> x.shape
(1, 3, 1)
>>> np.squeeze(x).shape
(3,)
>>> np.squeeze(x,axis=0).shape
(3, 1)
>>> np.squeeze(x,axis=1).shape
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<__array_function__ internals>", line 5, in squeeze
  File "/home/enrace/.local/lib/python3.8/site-packages/numpy/core/fromnumeric.py", line 1508, in squeeze
    return squeeze(axis=axis)
ValueError: cannot select an axis to squeeze out which has size not equal to one
>>> x = np.array([[1234]])
>>> x.shape
(1, 1)
>>> np.squeeze(x)
array(1234)
>>> np.squeeze(x)[()]
1234

numpy.asfarray函数

格式: numpy.asfarray(a, dtype=nx.float)
功能: 返回转换为浮点类型的数组。

参数 ：
a ：array_like
输入数组。
dtype ：str 或 dtype object, 可选
浮点类型代码强制输入数组a。 如果dtype是'int' dtypes之一，
则将其替换为float64

>>> np.asfarray([2,3])
array([2., 3.])
>>> np.asfarray([2,3],dtype='float')
array([2., 3.])
>>> np.asfarray([2,3],dtype='int8')
array([2., 3.])

numpy.asfortranarray函数

格式: numpy.asfortranarray(a, dtype=None)
功能: 返回以Fortran顺序排列在内存中的数组（ndim> = 1）。

参数 ：
a：array_like
输入数组。
dtype ：str 或 dtype object, 可选
默认情况下，从输入数据中推断出数据类型

>>> x = np.arange(6).reshape(2,3)
>>> y = np.asfortranarray(x)
>>> y = np.asfortranarray(x)
>>> x.flags['F_CONTIGUOUS']
False
>>> y.flags['F_CONTIGUOUS']
True

numpy.asarray_chkfinite函数

格式: numpy.asarray_chkfinite(a, dtype=None, order=None)
功能: 将输入转换为数组，检查NaN或Infs。

参数 ：
a：array_like
输入数据，可以转换为数组的任何形式。 
这包括列表，元组列表，元组，元组元组，列表元组和ndarray。
成功不需要NaN或Infs。
dtype ：data-type, 可选
默认情况下，从输入数据中推断出数据类型。
或der ：{‘C’, ‘F’}, 可选
是使用row-major（C-style）
还是column-major（Fortran-style）内存表示形式。
默认为'C'。

>>> a = [1,2,3]
>>> try:
...     np.asarray_chkfinite(a)
... except ValueError:
...     print('ValueError')
... 
array([1, 2, 3])
>>> np.asarray_chkfinite(a,dtype=float)
array([1., 2.])
>>> a = [1,2,np.inf]
>>> try:
...     np.asarray_chkfinite(a)
... except ValueError:
...     print('ValueError')
... 
ValueError

numpy.asscalar函数(已经弃用,等效ndarray.item())

格式: numpy.asscalar(a)
功能: 将大小为1的数组转换为其等效的标量(scalar)。

参数 ：
a ：ndarray
输入数组的大小为1。

>>> np.asscalar(np.array([24]))
<stdin>:1: DeprecationWarning: np.asscalar(a) is deprecated since NumPy v1.16, use a.item() instead
24
>>> np.array([24]).item()
24

numpy.require函数

格式: numpy.require(a, dtype=None, requirements=None)
功能: 返回提供的类型满足要求的ndarray。

参数 ：
a ：array_like
要转换为满足类型和要求的对象的对象。
dtype ：data-type
所需的数据类型。 如果为None，则保留当前dtype。 
如果您的应用程序要求数据以本机字节序显示，
请在dtype规范中包含字节序规范。
requirements ：str 或 str类型的list
需求列表可以是以下任意一项 :
‘C_CONTIGUOUS’ (‘C’) ：确保C连续数组 
‘F_CONTIGUOUS’ (‘F’) ：确保Fortran连续数组 
'OWNDATA' ('O') : 确保数组拥有自己的数据 
‘WRITEABLE’ (‘W’) ：确保可写数组
'ALIGNED' ('A') ：确保数据类型对齐的数组 
‘ENSUREARRAY’, (‘E’) : 确保基本数组而不是子类

>>> x = np.arange(6).reshape(2,3)
>>> y = np.require(x,dtype=np.float32,requirements=['A','o','w','F'])
>>> y.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False

Other知识

numy.flags属性

>>> x = np.arange(6).reshape(2,3)
>>> x.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False