python中np_Python中Numpy使用介绍

本文详细介绍了Python中Numpy库的基本操作,包括创建数组、修改形状、数据类型、数组操作以及从字节序列和文件创建数组。演示了数组的下标存取,包括一维和二维数组的元素访问,并对比了ufunc函数与Python内置函数的效率。此外,还展示了如何快速读取CSV文件和使用Numpy保存加载数据。
摘要由CSDN通过智能技术生成

-- coding: utf-8 --

“””  演示NumPy数组的一些基本功能。  “””  import numpy as np

#########创建数组

先创建序列对象,使用array()转换为数组

a = np.array([1, 2, 3, 4])  b = np.array((5, 6, 7, 8))  c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]])  print b  print c

数组的形状通过shape属性获得,描述数组各个轴长度

print a.shape  print c.shape

c.shape = 4,3 #并非转置,只是改变每个轴的大小,数组元素在内存中的位置不变  print c

c.shape = 2, -1 #自动计算-1轴的长度,当前为6  print c

d = a.reshape((2,2))  print d

a[1] = 100 #将a数组的第一个元素修改,d中相应位置也发生变化,a和d共享数据存储空间  print d

print c.dtype #数组的元素类型

e = np.array([  [1, 2, 3, 4],  [4, 5, 6, 7],  [7, 8, 9, 10]], dtype=np.float)

print e

f = np.array([  [1, 2, 3, 4],  [4, 5, 6, 7],  [7, 8, 9, 10]], dtype=np.complex)

print f

print np.typeDict[“d”]  print np.typeDict[“double”]  print np.typeDict[“float64”]  print set(np.typeDict.values())

创建数组的函数

print np.arange(0, 1, 0.1) #开始为0,终值为1不出现在数组中,步长为0.1  print np.linspace(0, 1, 12) #开始,终值,元素个数,步长为1/9  np.linspace(0,1,10,endpoint = False) #步长为1/10,endpoint的值会改变数组的等差步长  print np.logspace(0, 2, 20) #起始值为10^0,终值为10^2,5个元素的等比数组  np.logspace(0,1,12,base = 2,endpoint = False) #创建一个比例为2^(1/12)的等比数组

np.empty((2,3),np.int) #只分配内存,不进行初始化  np.zeros(4,np.float) #元素初始化为0的数组  np.ones() #元素初始化为1

从字节序列或文

评论
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