导入
导入NumPy一般是通过这样子导入的
import numpy as np
数组
在NumPy有一个类似C/C++的“数组”,它并不像Python中的列表一样,它的类型必须是固定的,也必须是矩阵。
创建
a = np.array([1, 2, 3])
维度
print(a.ndim)
print(b.ndim)
维度元素个数
输出每个维度的元素个数
print(a.shape)
print(b.shape)
元素数量
print(a.size)
元素类型
print(a.dtype)
拼接
对多个数组进行拼接的话我们可以使用concatenate这个函数
arr1 = np.array([1, 2, 3])
arr2 = np.array([2, 3, 4])
np.concatenate([arr1, arr2])
排序
和普通的Python一样,NumPy有两个sort函数,一种是返回出一个新数组但不改变原数组的sort,相当于Python中的sorted函数。
arr3 = np.array([5,2,4])
arr4 = np.sort(arr3)
print(arr3)
print(arr4)
另一种是直接在原数组上进行排序,相当于Python种列表的直接sort
arr3.sort()
print(arr3)
索引
NumPy数组中的索引和Python中列表一样,也都有切片。
运算
数组与列表不同,可以直接运算
arr5 = np.array([6, 7, 8, 9, 10])
arr6 = np.array([2, 3, 4, 5, 8])
print(arr5 + arr6)
print(arr5 - arr6)
print(arr5 * arr6)
print(arr5 / arr6)
print(arr3)
print(arr3 * 3)
#另外还有
a.max() #最大
a.min() #最小
a.sum() #和
a.mean() #平均值
筛选
Python中的 and ,Numpy中用**&**
Python中的 or ,Numpy中用**|**
Python中的 not ,Numpy中用**~**