【NumPy】 ndarray对象创建、切片、复制、改变维度和数据类型

最新推荐文章于 2023-06-26 21:44:35 发布
最新推荐文章于 2023-06-26 21:44:35 发布
阅读量5.5k 收藏 17
点赞数 3
分类专栏： # 科学计算库 文章标签： numpy
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tz_zs/article/details/73929778
版权

____tz_zs

之前把 numpy 资料写在了同一篇博客里，发现非常难以查阅，于是按功能切分开来。

https://blog.csdn.net/tz_zs/article/details/73929778

https://blog.csdn.net/tz_zs/article/details/80773612

https://blog.csdn.net/tz_zs/article/details/80775256

 

NumPy (Numeric Python) 是用Python实现的科学计算库，提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。

包括：

1、一个强大的N维数组对象Array；

2、比较成熟的（广播）函数库；

3、用于整合C/C++和Fortran代码的工具包；

4、实用的线性代数、傅里叶变换和随机数生成函数。

NumPy 的操作对象是多维数组 ndarray，NumPy 的基本运算是以数组为对象进行基本运算，即向量化操作

 

延伸：【Python】array.array

Python 本身没有数组这个说法，有的就是 list 和 tuple， list 就具有其他语言中的数组特性。不过 python 有提供一个 array 模块，用于提供基本数字，字符类型的数组。用于容纳字符号、整型、浮点等基本类型。 这种模块主要用于二进制上的缓冲区，流的操作。

 

创建 ndarray 对象

np.array 构造数组

# -*- coding: utf-8 -*-
"""
@author: tz_zs
"""
import numpy as np

# 构造整型数组
array_1 = np.array([1, 2, 3, 4, 5])
print(array_1)
print(array_1.dtype)
print(type(array_1))
'''
[1 2 3 4 5]
int32
<class 'numpy.ndarray'>
'''

# 构造浮点型数组
array_2 = np.array([1.1, 3., 3.14, 7.7])
print(array_2)
print(array_2.dtype)
print(type(array_2))
'''
[ 1.1   3.    3.14  7.7 ]
float64
<class 'numpy.ndarray'>
'''

# 构造32位浮点型数组
array_3 = np.array([1, 3, 5], dtype='float32')
print(array_3)
print(array_3.dtype)
print(type(array_3))
'''
[ 1.  3.  5.]
float32
<class 'numpy.ndarray'>
'''

# 构造一个嵌套列表结果的多维数组
array_4 = np.array([[i, i * i] for i in [5, 6, 7]])
print(array_4)
print(array_4.dtype)
print(type(array_4))
'''
[[ 5 25]
 [ 6 36]
 [ 7 49]]
int32
<class 'numpy.ndarray'>
'''

array_5 = np.array([[1, 2, 3, ], [4, 2, 3], [6, 2, 1]])
print(array_5)
print(array_5.dtype)
print(type(array_5))
'''
[[1 2 3]
 [4 2 3]
 [6 2 1]]
int32
<class 'numpy.ndarray'>
'''

np.arange() 创建数组

# -*- coding: utf-8 -*-
"""
@author: tz_zs

np.arange() 返回一个array对象
"""
import numpy as np

x = np.arange(9.).reshape(3, 3)
print(x)
'''
[[ 0.  1.  2.]
 [ 3.  4.  5.]
 [ 6.  7.  8.]]
'''

n1 = np.arange(6)
print(n1)  # [0 1 2 3 4 5]

# 构造一个 2 到 10 之间，步长为 2 的数组(左开右闭)
# n2 = np.arange(2, 10, 2)
n2 = np.arange(start=2, stop=10, step=2)
print(n2)  # [2 4 6 8]

另外：

 

属性

数组的维度：ndarray.ndim 或 np.ndim(ndarray)

数组的形状：ndarray.shape

数组的类型：ndarray.dtype

#!/usr/bin/python2.7
# -*- coding:utf-8 -*-

"""
@author:    tz_zs
"""
import numpy as np

n = np.zeros((2, 3))
print(n)
print(n.shape)
print(np.ndim(n))
print(n.ndim)
print(n.dtype)
"""
[[ 0.  0.  0.]
 [ 0.  0.  0.]]
(2, 3)
2
2
float64
"""

n2 = np.zeros((2, 3, 4), dtype=int)
print(n2)
print(n2.shape)
print(np.ndim(n2))
print(n2.ndim)
print(n2.dtype)
"""
 [[ 0.  0.  0.  0.]
  [ 0.  0.  0.  0.]
  [ 0.  0.  0.  0.]]]
(2, 3, 4)
3
3
int64
"""

 

查询数组中的具体数据

获取某些行某些列

# -*- coding: utf-8 -*-
"""
@author: tz_zs
取数组中的值
"""
import numpy as np

array_1 = np.array([5, 10, 15])
print(array_1[1])
print(array_1[0:2])
'''
10
[ 5 10]
'''

array_2 = np.array([[5, 10, 15], [20, 25, 30], [35, 40, 45]])
print(array_2[1, 2])  # 30
print(array_2[:, 1])  # [10 25 40]
print(array_2[:, 0:2])
'''
[[ 5 10]
 [20 25]
 [35 40]]
'''
print(array_2[1:3, 0:2])
'''
[[20 25]
 [35 40]]
'''

切片截取

#!/usr/bin/python2.7
# -*- coding:utf-8 -*-

"""
@author:    tz_zs
"""
import numpy as np

a = np.zeros((7, 7), dtype=int)
a[:2, :3] = 1
a[2:4, 2:4] = 2
a[4, 4] = 3
a[:, 5] = 4
a[[0, 2, 4, 6], 6] = 5
print(a)
"""
[[1 1 1 0 0 4 5]
 [1 1 1 0 0 4 0]
 [0 0 2 2 0 4 5]
 [0 0 2 2 0 4 0]
 [0 0 0 0 3 4 5]
 [0 0 0 0 0 4 0]
 [0 0 0 0 0 4 5]]
"""

条件筛选

#!/usr/bin/python2.7
# -*- coding:utf-8 -*-

"""
@author:    tz_zs
"""
import numpy as np

n = np.array([[1, 2, 3, 4, 5], [2, 3, 4, 5, 6], [1, 3, 5, 7, 9]])
print(n)
"""
[[1 2 3 4 5]
 [2 3 4 5 6]
 [1 3 5 7 9]]
"""
# 比较所有的值，选择满足要求的值
r1 = n.copy()
print(r1 > 2)
"""
[[False False  True  True  True]
 [False  True  True  True  True]
 [False  True  True  True  True]]
"""
r1[r1 > 2] = 11
print(r1)
"""
[[ 1  2 11 11 11]
 [ 2 11 11 11 11]
 [ 1 11 11 11 11]]
"""

# 比较某一列中的值，选择满足要求的那一行
r2 = n.copy()
b = r2[:, 4] > 6
print(b)
"""
[False False  True]
"""
r2[b] = 11
print(r2)
"""
[[ 1  2  3  4  5]
 [ 2  3  4  5  6]
 [11 11 11 11 11]]
"""

# 比较某一行中的值，选择满足要求的那一列
r3 = n.copy()
b = r3[1, :] > 4
print(b)
"""
[False False False  True  True]
"""
r3[:, b] = 11
print(r3)
"""
[[ 1  2  3 11 11]
 [ 2  3  4 11 11]
 [ 1  3  5 11 11]]
"""

 

复制数组 copy

ndarray.copy()

判断 ndarray 中的值是否等于/大于/小于某个值

  • 对 ndarray 进行的操作，会对其中的每个元素进行操作

复制 ndarray 对象

  • n2 = n1只会复制地址值，指向同一个对象
  • n2 = n1.view() 浅复制 虽然是不同的对象，不同的id，但他们共用了一套值
  • ndarray.copy() 复制 ndarray 对象
# -*- coding: utf-8 -*-
"""
@author: tz_zs
判断 ndarray 中的值是否等于/大于/小于
对 ndarray 进行的操作，会对其中的每个元素进行操作


复制 ndarray 对象
n2 = n1只会复制地址值，指向同一个对象
n2 = n1.view() 浅复制 虽然是不同的对象，不同的id，但他们共用了一套值
ndarray.copy() 复制 ndarray 对象
"""
import numpy as np

n1 = np.array([5, 10, 15, 20])
print(n1 == 10)
# [False  True False False]

n2 = np.array([[5, 10, 15], [20, 25, 30], [35, 40, 45]])
print(n2 >= 25)
'''
[[False False False]
 [False  True  True]
 [ True  True  True]]
'''
print((n2 == 10) | (n2 == 25))
'''
[[False  True False]
 [False  True False]
 [False False False]]
'''

# 可以使用 bool 值当索引
n_bool = (n2 == 10) | (n2 == 25) | (n2 == 45)
print(n_bool)
'''
[[False  True False]
 [False  True False]
 [False False  True]]
'''
print(n2[n_bool])
# [10 25 45]

n3 = n2.copy()  # 复制一个 ndarray 对象，n3 和 n2 的地址 id 不一样
n3[n_bool] = 100
print(n2)
'''
[[ 5 10 15]
 [20 25 30]
 [35 40 45]]
'''
print(n3)
'''
[[  5 100  15]
 [ 20 100  30]
 [ 35  40 100]]
'''

·

修改数组维度

  • ndarray.shape=(值) 直接赋值修改 shape
  • ndarray.reshape()    有返回值，不会修改原对象，而是返回一个新的
  • ndarray.resize()        无返回值，在原对象上进行修改
  • ndarray..ravel()        拉平，变为一维数组。
  • ndarray.T()                转置

.

# -*- coding: utf-8 -*-
"""
@author: tz_zs

更改维度
直接修改 shape
ndarray.reshape() 有返回值，不会修改原对象，而是返回一个新的
ndarray.resize() 无返回值，在原对象上进行修改
ndarray..ravel() 拉平，变为一维数组。

ps：(8, ) ≠ (8, 1)：前者表示一维数组（无行和列的概念），后者则表示一个特殊的二维数组，也即是一个列向量；
"""

import numpy as np

# 构造数组
n1 = np.array([1, 2, 3, 4, 5, 6, 7, 8])
print(n1)  # [1 2 3 4 5 6 7 8]
# 查看数组的维度
print(n1.shape)  # (8,)
# 维度大小
print(n1.ndim)  # 1
# 类型
print(n1.dtype)  # int32

####### reshape #######
# 更改数组的维度为 (2, 4)
print('n2', '-' * 10)
n2 = n1.reshape(2, 4)
# n2 = n1.reshape(2, -1) # -1 代表让系统自己计算，因为确定前一个维度，第二个维度的值本身就已经确定了
print(n2)
print(n2.shape)
print(n2.ndim)
print(n2.dtype)
"""
[[1 2 3 4]
 [5 6 7 8]]
(2, 4)
2
int32
"""

####### 直接修改 shape #######
n2.shape = (8)
print(n2)
print(n2.shape)
print(n2.ndim)
print(n2.dtype)
'''
[1 2 3 4 5 6 7 8]
(8,)
1
int32
'''

# 更改数组的维度为 (2, 2, 2)
print('n3', '-' * 10)
# n3 = n1.reshape(2, 2, 2)
n3 = n1.reshape(2, 2, -1)  # -1 代表让系统自己计算，因为确定前两个维度，第三个维度的值本身就已经确定了
print(n3)
print(n3.shape)
print(n3.ndim)
print(n3.dtype)
'''
[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]
(2, 2, 2)
3
int32
'''

####### ravel #######
# 拉平，变为一维
print('n4', '-' * 10)
n4 = n3.ravel()
print(n4)
print(n4.shape)
'''
[1 2 3 4 5 6 7 8]
(8,)
'''

####### resize #######
# ndarray.resize() 无返回值，在原对象上进行修改
n5 = n3.resize(2, 4)
print(n3)
print(n5)
'''
[[1 2 3 4]
 [5 6 7 8]]
None
'''

.

修改数据类型 astype

ndarray.astype()

# -*- coding: utf-8 -*-
"""
@author: tz_zs

ndarray.astype()方法来转换数组的数据类型
"""

import numpy as np

n = np.array(['1', '2', '3', '4'])
print(n.dtype)  # <U1
print(n)  # ['1' '2' '3' '4']

n2 = n.astype(float)
print(n2.dtype)  # float64
print(n2)  # [ 1.  2.  3.  4.]

end

tz_zs
关注
  • 3
    点赞
  • 踩
  • 17
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
opencv-ndarray-conversion:NumPy ndarray⇋OpenCV Mat转换，就可以了
05-10
NumPy ndarray⇋OpenCV Mat转换，就可以了。 原料药 class NDArrayConverter ：转换器类 NDArrayConverter::NDArrayConverter() ：构造函数 cv::Mat NDArrayConverter::toMat(const PyObject* o) ：将NumPy ndarray转换为cv::Mat 。 o是表示ndarray的Python表示形式的对象。 返回cv::Mat ，它是o的OpenCV表示形式。 PyObject* NDArrayConverter::toNDArray(const cv::Mat& mat) ：将cv::Mat转换为NumPy ndarray。 mat是要转换的cv :: Mat。 返回PyObject* ，它是ndarray的Python表示形式。 例子 examples.cp
详解numpy矩阵的创建与数据类型
09-18
主要介绍了详解numpy矩阵的创建与数据类型，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
03 NumPy ndarray对象.ipynb
09-16
03 NumPy ndarray对象.ipynb
Numpy 理解ndarray对象的示例代码
09-17
主要介绍了Numpy 理解ndarray对象的示例代码，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
作业 03 NumPy ndarray对象.ipynb
09-15
作业 03 NumPy ndarray对象.ipynb
Python学习之NumPy(二)
最新发布
小菜的OnePiece的博客
06-26 688
皮尔逊相关系数衡量的是两个变量之间的线性关系，当变量之间的关系不是线性的时候，皮尔逊相关系数可能不适用。该函数接受一个数组作为输入，并返回一个相关系数矩阵，其中矩阵的(i, j)位置的值表示第i个数组和第j个数组之间的相关系数。该函数返回一个布尔类型的数组，与输入数组形状相同，对应位置为True表示该位置上的值是缺失值（NaN），为False表示该位置上的值不是缺失值。对于多维数组，可以根据需要选择合适的轴进行复制。相关系数矩阵是一个2x2的矩阵，对角线上的值都是1，表示每个数组与自身的相关系数为1。
numpy复制并扩充维度
york1996的博客
10-14 3万+
a的shape从（96，96）变成（1000，96，96） 可以使用： np.expand_dims(a,0).repeat(1000,axis=0) 解释： expand_dims表示增加一个维度，这个维度增加在a的0维度。 repeat代表重复的次数，axis代表在哪个维度进行重复。 可以根据自己的需要更改参数。 如果有更简便的方法欢迎留言！ ...
Python | Numpy | 初始化，维度，数据类型，复制，取值赋值
edward_zcl的博客
04-26 1392
初始化 1、从list初始化一个ndarray arr = np.array([1, 2, 3]) #list转ndarryli =arr.tolist() #ndarry转listprint(type(arr),type(li)) <class 'numpy.ndarray'> <class 'list'> 2、通过内置函数初始化 arr = np.zeros(...
Python 实例｜numpy｜复制一维数组的 2 种方法（逐个复制和整体复制）
长行
09-16 1956
numpy 复制一维数组的方法
numpy的几种复制拷贝方式以及tensor的求和维度细节问题
zhe_csdn的博客
07-10 2338
复制形式 1：b = a 用等号（=）赋值，内存一样，a变化 ，b也会变化 import numpy as np a = np.arange(12) b = a print(b is a) # 返回 True b.shape = (3,4) print (“a.shape=”,a.shape) # a.shape= (3, 4) print (id(a)) # 2493855732640 ...
python numpy 矩阵的复制和重复
热门推荐
云中寻雾的博客
02-19 3万+
repeat函数功能：对数组中的元素进行连续重复复制 用法有两种： 1) numpy.repeat(a, repeats, axis=None) 2) a.repeat(repeats, axis=None)   self.user_emb.shape Out[16]: (512,) 目标shape（13214， 512） #先增加一个维度 user_emb_dims = np....
Numpy对数组的操作：创建／变形(升降维等)／计算／取值／复制／分割／合并
weixin_42969619的博客
08-25 4639
1. 简介 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。 NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab。 SciPy 是一个开源的 Python 算法库和数学工具包。SciPy 包含...
[numpy] ndarray.astype(np.float32) 变化数组类型
doufuxixi的博客
05-19 3万+
方法一ndarray.astype(np.float32)方法二float_array = np.array([1.23,3.14,5.12,3.23],dtype=float)
CSDN机器学习笔记五 Numpy简单操作
编程圈子-谢厂节的博客
06-13 763
一、Numpy的一些操作Numpy是Python的科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。导入numpyimport numpy as np print (np.version.version)多维数组 numpy.ndarray以list或tuple变量为参数产生一维数组print (np.array([1,2,3,4]))print (np.arra
Numpy系列之ndarray数组的维度变换,拼接,分割和复制
bit452的专栏
01-14 1万+
ndarray数组的维度变换,拼接,分隔和复制ndarray数组的维度变换将1维数组转换为2维数组将2维数组转换为1维数组交换二维数组的两个维度(矩阵的转置)ndarray数组的拼接给已有的数据添加多行，比如增添一些样本数据给已有的数据添加多列，比如增添一些特征进去ndarray数组的分隔将已有的数据按行分隔，比如将训练集分割成训练集和验证集将已有的数据按列分隔，比如将特征和标签分隔数组的赋值 ndarray数组的维度变换 方法 说明 .reshape(shape) 不改变数组元素，返回一个
数组复制 修改维度 拼接
qq_44808710的博客
10-17 204
切片数组的复制 浅拷贝 深拷贝 np.copy() import numpy as np a = np.arange(1, 13).reshape((3, 4)) print(a) # 通过切片获取的sub_a是新获得的数组，即使赋值给新币那辆，但还是原来数组的视图 # 如果修改切片数组中元素的值，会影响原来的数组 sub_a = a[:2, :2] print(sub_a) sub_a[0] = 10 print(sub_a) print(a) # 可以使用numpy中的copy方法实现， #.
Numpy数组的复制问题
Shrimp_Code的博客
11-19 990
文章目录关于Numpy 数组的复制问题问题是这样 关于Numpy 数组的复制问题 本作者最近开始初学Python，用博客记录一些在学习过程中遇到的问题和大家进行分享，希望能够越来越好。 问题是这样 在原来使用Array的数组切片工具能够轻松的获得一个list的复制，但是在numpy中使用array[:] 是不能够办到这个事情，要想处理数据的时候能够不更改原始的Array Object 则需要使用标准的类中内置的 Copy()函数 import numpy as np # case 1 new_ar
Numpy 数据类型（2022.12.3）
m0_67323071的博客
12-03 3726
numpy的基本数类型阐述。
科学计算NumPy之Ndarray数组对象的创建、切片、索引、修改等操作汇总
积跬步，至千里。
04-25 1702
NumPy是Python中的一个常用开源数学计算扩展库，是Numerical Python的缩写。它支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。这使得NumPy在科学计算、统计分析、数据挖掘、机器学习等领域中广泛使用。
numpy ndarray
05-30
Numpy ndarray是Numpy中的一个核心对象，它是多维数组对象，可以用于存储和处理大量的数据。ndarray对象具有以下特点： 1. 具有固定的维度和大小，一旦创建就不能更改。 2. 所有元素的类型必须相同，通常是数值型。 3. 可以使用数组索引和切片进行数据访问和操作。 4. 支持广播（Broadcasting）操作，可以对不同形状的数组进行计算。 ndarray是Numpy的一个核心对象，它在科学计算、数据分析和机器学习等领域都有广泛的应用。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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