array用法 numpy_Python-Numpy中Array用法总结

本文详细介绍了Python Numpy库中Array的创建、修改、输出、基本运算、索引切片、形状操作、删除、条件判断等功能。通过实例展示了如何使用arange、ones、zeros、linspace等函数创建数组,以及对数组进行单个赋值、批量赋值、遍历赋值等操作。还探讨了数组的矩阵运算、统计计算、条件判断np.where()的用法。
摘要由CSDN通过智能技术生成

Numpy中array(数组)

Numpy主要对象是齐次多维数组,由正整数元组索引,Numpy中维度称为轴(axis),数组的维数称为秩(rank)。

可以参考:Numpy快速入门

1.1 创建数组

常规方法创建数组

import numpy as np

#一维数组

a=np.array([2,3,4])

b=np.array([2.,3.,4.])

#二维数组

c=np.array([[1.,2.],[3.,4.]])

d=np.array([[1,2],[3,4]],dtype=complex)

print(a,a.dtype)

print(b,b.dtype)

print(c,c.dtype)

print(d,d.dtype)

>>>[2 3 4] int64

>>>[2. 3. 4.] float64

>>>[[1. 2.]

[3. 4.]] float64

>>>[[1.+0.j 2.+0.j]

[3.+0.j 4.+0.j]] complex128

利用函数创建数组 arange/ones/zeros/linspace/random.randint

#创建数组的常用函数

np.arange(0,7,1,dtype=float) #arange函数创建

>>>array([0., 1., 2., 3., 4., 5., 6.])

np.ones((2,3,4),dtype=int) #创建2页3行4列的数据

>>>array([[[1, 1, 1, 1],

[1, 1, 1, 1],

[1, 1, 1, 1]],

[[1, 1, 1, 1],

[1, 1, 1, 1],

[1, 1, 1, 1]]])

np.zeros((2,3,4)) #创建2页3行4列的零矩阵

>>>array([[[0., 0., 0., 0.],

[0., 0., 0., 0.],

[0., 0., 0., 0.]],

[[0., 0., 0., 0.],

[0., 0., 0., 0.],

[0., 0., 0., 0.]]])

np.linspace(-1,2,5) #起点为-1,终点为2,取5个数

>>>a

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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