Numpy基础

ndarray的创建

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
复制代码

多于一维的

# 多于一个维度  
import numpy as np 
a = np.array([[1,  2],  [3,  4]])  
print(a)
复制代码

输出:

[[1, 2] 
 [3, 4]]
复制代码

dtype参数的

# dtype 参数  
import numpy as np 
a = np.array([1,  2,  3], dtype = complex)  
print(a)
复制代码

输出:

[ 1.+0.j,  2.+0.j,  3.+0.j]
复制代码

numpy.empty

它创建指定形状和dtype的未初始化数组。(类型默认float)

x = np.empty([3,2])  
复制代码

注意:数组元素为随机值,因为它们未初始化。

numpy.ones

返回特定大小,以 1 填充的新数组。

# 创建10行10列的数值为浮点1的矩阵,默认类型为 float  
array_one = np.ones([10, 10])
复制代码

numpy.zeros

返回特定大小,以 0 填充的新数组。

# 创建10行10列的数值为浮点0的矩阵,默认类型为 float  
array_zero = np.zeros([10, 10])
复制代码

附 NumPy 中定义的不同标量数据类型:

NumPy - 数组属性

ndarray.shape

这一数组属性返回一个包含数组维度的元组,它也可以用于调整数组大小。

例一

import numpy as np 
a = np.array([[1,2,3],[4,5,6]])  
print(a.shape)
复制代码

输出:

(2, 3)
复制代码

例二

# 这会调整数组大小  
import numpy as np 
 
a = np.array([[1,2,3],[4,5,6]])
a.shape =  (3,2)  
print(a) 
复制代码

输出:

[[1, 2] 
 [3, 4] 
 [5, 6]]
复制代码

例三

NumPy 也提供了reshape函数来调整数组大小。

import numpy as np 
a = np.array([[1,2,3],[4,5,6]]).reshape(3,2)
print(a)
复制代码

输出:

[[1, 2] 
 [3, 4] 
 [5, 6]]
复制代码

查看数组的属性

NumPy - 来自数值范围的数组

numpy.arange

这个函数返回ndarray对象,包含给定范围内的等间隔值。

x = np.arange(10,20,2) #起始,终止,步长

NumPy - 切片和索引

ndarray对象的内容可以通过索引或切片来访问和修改。有三种可用的索引方法类型: 字段访问基本切片高级索引

基本切片是 Python 中基本切片概念到 n 维的扩展。 通过将start,stop和step参数提供给内置的slice函数来构造一个 Python slice对象。 此slice对象被传递给数组来提取数组的一部分。

import numpy as np
a = np.arange(10)
s = slice(2,7,2)  
print(a[s])
#或者
import numpy as np
a = np.arange(10)
b = a[2:7:2]
#print(b)
复制代码

都输出

[2  4  6]
复制代码

NumPy - 高级索引

有两种类型的高级索引:整数和布尔值。

整数索引

这种机制有助于基于 N 维索引来获取数组中任意元素。 每个整数数组表示该维度的下标值。 当索引的元素个数就是目标ndarray的维度时,会变得相当直接。

以下示例获取了ndarray对象中每一行指定列的一个元素。 因此,行索引包含所有行号,列索引指定要选择的元素

布尔索引

当结果对象是布尔运算(例如比较运算符)的结果时,将使用此类型的高级索引。

广播

广播是指 NumPy 在算术运算期间处理不同形状的数组的能力。较小的数组会广播到较大数组的大小,以便使它们的形状可兼容。

转置

numpy.ndarray.T

numpy.transpose

Numpy计算

条件运算

输出:
或者

统计运算

指定轴最大值

amax(参数1: 数组; 参数2: axis=0/1; 0表示列1表示行)

最小值为numpy.amin

指定轴平均值mean

方差std

数组运算

数组与数的运算

矩阵运算np.dot()

矩阵拼接

矩阵垂直拼接np.vstack()

矩阵水平拼接 np.hstack()

Numpy读取数据np.genfromtxt()

  • 0
    点赞
  • 0
    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