[Python] Numpy array 高级用法(4)

前言

最近在看 [Numpy文档][1] 和 [tutorialspoint Numpy Tutorial][2] 时,发现了一下之前没用过的ndarray高级用法,加上我之前知道的方法,总结一下。以后会陆续更新。

正文

将现有数据转换为 ndarray

使用 numpy.asarray 进行转换 :

numpy.asarray(a, dtype = None, order = None)

这里写图片描述

list转ndarray

''' list '''
import numpy as np 

x = [1,2,3] 
a = np.asarray(x) 
print(a)
# 输出:
[1  2  3] 

改变默认类型

import numpy as np 

x = [1,2,3]
a = np.asarray(x, dtype = float) 
print(a)
# 输出:
[ 1.  2.  3.] 

tuple 转 ndarray

x = (1,2,3) 
a = np.asarray(x) 
print(a)
# 输出:
[1  2  3]

list of tuples 转 ndarray

import numpy as np 

x = [(1,2,3),(4,5)] 
a = np.asarray(x) 
print(a)
# 输出:
[(1, 2, 3) (4, 5)]

numpy.frombuffer

import numpy as np 
s = 'Hello World' 
a = np.frombuffer(s, dtype = 'S1') 
print(a)
# 输出:
['H'  'e'  'l'  'l'  'o'  ' '  'W'  'o'  'r'  'l'  'd']

迭代器 iterator 转 ndarray

import numpy as np 
list = range(5) 
it = iter(list)  

# use iterator to create ndarray 
x = np.fromiter(it, dtype = float) 
print(x)
# 输出:
[0.   1.   2.   3.   4.]

参考网页 : https://www.tutorialspoint.com/numpy/numpy_array_from_existing_data.htm
[1]: https://docs.scipy.org/doc/
[2]: https://www.tutorialspoint.com/numpy/index.htm

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Python中的NumPy库是用于科学计算的重要工具,其中包含了处理多维数组的功能。可以使用NumPy库创建和操作数组,例如通过np.array()函数传入可迭代对象来创建数组。可以使用该函数传入一个列表或元组等作为参数,如np.array([0, 1, 2, 3, 4])可以创建一个包含这些元素的一维数组,而np.array([[11, 12, 13],[21, 22, 23]])则可以创建一个2*3的二维数组。还可以通过指定数据类型,例如np.array([0, 1, 2, 3, 4], dtype=float)可以创建一个包含浮点数的数组。 此外,NumPy还提供了许多数学函数来操作数组。例如,可以使用np.sin()函数对一维数组中的所有元素进行求正弦值,使用np.cos()函数求二维数组中的所有元素的余弦值。可以使用np.round()函数进行四舍五入,np.ceil()函数向上取整,等等。 总之,Python中的NumPy库提供了丰富的功能来创建、操作和处理数组,使得在科学计算和数据分析中更加方便和高效。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [python中找出numpy array数组的最值及其索引方法](https://download.csdn.net/download/weixin_38640830/12869491)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [Python数据分析之numpy数组全解析](https://blog.csdn.net/weixin_30851409/article/details/101717473)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [【Pythonnumpy——数组array](https://blog.csdn.net/fftx_00/article/details/122265623)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“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 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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