Numpy
from numpy import * 导入库
Numpy特点为N维数组对象ndarray,由一系列同类型数据的集合,以0下标为开始进行集合中元素的索引
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
object | 数组或嵌套的数列 |
dtype | 数组元素的数据类型,可选 |
copy | 对象是否需要复制,可选 |
order | 创建数组的样式,C为行方向,F为列方向,A为任意方向(默认) |
subok | 默认返回一个与基类类型一致的数组 |
ndmin | 指定生成数组的最小维度 |
# 多于一个维度
import numpy as np
a = np.array([[1, 2], [3, 4]])
print (a)
结果:
[[1 2] [3 4]]
数组属性:
NumPy 数组的维数称为秩(rank),秩就是轴的数量,即数组的维度,一维数组的秩为 1,二维数组的秩为 2,以此类推。
每一个线性的数组称为是一个轴(axis),也就是维度(dimensions)。比如说,二维数组相当于是两个一维数组,其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴(axis),第一个轴相当于是底层数组,第二个轴是底层数组里的数组。而轴的数量——秩,就是数组的维数。
轴:保存数据的维度 秩:轴的数量
使用Numpy中函数创建ndarray数组,如:arange,ones,zeros等
- reshape不修改原始数据
- resize修改原始数据
ndarray 数组可以基于 0 - n 的下标进行索引,切片对象可以通过内置的 slice 函数,并设置 start, stop 及 step 参数进行,从原数组中切割出一个新数组。
也可以通过冒号分隔切片参数 start:stop:step 来进行切片操作
还可以包括省略号 …,来使选择元组的长度与数组的维度相同。
#案例:
#用numpy创建一个二维或多维正态分布随机数,保留符合[0, 1)的数,然后求平均值
import numpy as np #导入numpy库,别名np
a=np.random.randn(4,2) #创建一个四行二列的正态分布随机数
b=a[(a>=0)&(a<1)] #取出>=0并且<1的随机数,并赋值给b
print("a",a)
print("b",b)
print(b.mean()) #取平均值
推荐: