Numpy库是Python语言中广泛应用于科学计算和数据处理的基础库。它提供了基本的数组操作和高级数学函数。在本文中,我们将介绍50个常用的Numpy函数及其使用方法。
numpy.array()
: 将输入的列表转换为ndarray
类型。
import numpy as np
x = [1, 2, 3, 4]
y = np.array(x)
print(y)
输出:
[1 2 3 4]
numpy.arange()
: 创建一个数组,其中包含一个等间隔的值序列。
import numpy as np
x = np.arange(0, 10, 2)
print(x)
输出:
[0 2 4 6 8]
numpy.linspace()
: 创建一个包含指定数量的等间隔数字的数组。
import numpy as np
x = np.linspace(0, 10, 5)
print(x)
输出:
[ 0. 2.5 5. 7.5 10. ]
numpy.zeros()
: 返回一个全部为0的数组。
import numpy as np
x = np.zeros(3)
print(x)
输出:
[0. 0. 0.]
numpy.ones()
: 返回一个全部为1的数组。
import numpy as np
x = np.ones(3)
print(x)
输出:
[1. 1. 1.]
numpy.eye()
: 创建一个正方形的单位矩阵。
import numpy as np
x = np.eye(3)
print(x)
输出:
[[1. 0. 0.]
[0. 1. 0.]
[0. 0. 1.]]
numpy.random.rand()
: 生成指定形状的随机浮点数数组。
import numpy as np
x = np.random.rand(3, 2)
print(x)
输出:
[[0.72426815 0.924365 ]
[0.12417771 0.30782561]
[0.59842481 0.90001595]]
numpy.random.randint()
: 返回指定形状的随机整数数组。
import numpy as np
x = np.random.randint(0, 10, (2, 2))
print(x)
输出:
[[0 4]
[3 3]]
numpy.reshape()
: 改变数组的形状。
import numpy as np
x = np.array([[1, 2], [3, 4], [5, 6]])
y = np.reshape(x, (2, 3))
print(y)
输出:
[[1 2 3]
[4 5 6]]
numpy.transpose()
: 转置数组。
import numpy as np
x = np.array([[1, 2], [3, 4]])
y = np.transpose(x)
print(y)
输出:
[[1 3]
[2 4]]
numpy.ravel()
: 压缩数组。
import numpy as np
x = np.array([[1, 2], [3, 4]])
y = np.ravel(x)
print(y)
输出:
[1 2 3 4]
numpy.concatenate()
: 沿着指定的轴连接两个或多个数组。
import numpy as np
x = np.array([[1, 2], [3, 4]])
y = np.array([[5, 6], [7, 8]])
z = np.concatenate((x, y), axis=1)
print(z)
输出:
[[1 2 5 6]
[3 4 7 8]]
numpy.split()
: 将数组拆分为多个子数组。
import numpy as np
x = np.array([1, 2, 3, 4, 5, 6])
y = np.split(x, 3)
print(y)
输出:
[array([1, 2]), array([3, 4]), array([5, 6])]
numpy.max()
: 返回数组中的最大值。
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.max(x)
print(y)
输出:
5
numpy.min()
: 返回数组中的最小值。
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.min(x)
print(y)
输出:
1
numpy.mean()
: 返回数组的平均值。
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.mean(x)
print(y)
输出:
3.0
numpy.median()
: 返回数组的中位数。
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.median(x)
print(y)
输出:
3.0
numpy.sum()
: 返回数组中所有元素的总和。
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.sum(x)
print(y)
输出:
15
numpy.prod()
: 返回数组中所有元素的乘积。
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.prod(x)
print(y)
输出:
120
numpy.std()
: 返回数组的标准差。
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.std(x)
print(y)
输出:
1.41421356
numpy.var()
: 返回数组的方差。
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.var(x)
print(y)
输出:
2.0
numpy.cumsum()
: 返回沿指定轴的元素的累加和。
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.cumsum(x)
print(y)
输出:
[ 1 3 6 10 15]
numpy.cumprod()
: 返回沿指定轴的元素的累积积。
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.cumprod(x)
print(y)
输出:
[ 1 2 6 24 120]
numpy.sort()
: 返回数组的排序副本。
import numpy as np
x = np.array([5, 2, 4, 1, 3])
y = np.sort(x)
print(y)
输出:
[1 2 3 4 5]
numpy.argsort()
: 返回排序索引。
import numpy as np
x = np.array([5, 2, 4, 1, 3])
y = np.argsort(x)
print(y)
输出:
[3 1 4 2 0]
numpy.searchsorted()
: 在数组中查找特定元素的索引。
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.searchsorted(x, 3)
print(y)
输出:
2
numpy.any()
: 如果数组中任何元素非零,则返回True
,否则返回False
。
import numpy as np
x = np.array([0, 1, 2, 3, 4])
y = np.any(x)
print