前言
一、 Numpy的常见功能 shape
二、 Numpy的常见功能 index
三、Numpy的逻辑索引功能
一、 Numpy的常见功能 shape
shape用于查看矩阵的大小形状
数组的形状可以定义为每个维度中元素的数量。维度是我们为了指定数组的单个元素所需要 的索引或下标的数量。
shape实操案例
import numpy as np
arr1 = np.array([[1,2,3,4],[2,4,6,8]])
arr2 = np.array([[1,3,5,7],[2,4,6,8],[3,6,9,12]])
print(arr1)
print('当前数组是'+ str(arr1.ndim)+'维')
print(f'当前数组的尺寸是{ arr1.shape}的')
print(arr2)
print('当前数组是'+ str(arr2.ndim)+'维')
print(f'当前数组的尺寸是{ arr2.shape}的')
print('*'*30)
arr3 = np.array([1,3,5,7],ndmin = 6)
print(arr3)
print('当前数组是'+ str(arr3.ndim)+'维')
print(f'当前数组的尺寸是{arr3.shape}的')
二、 Numpy的常见功能 index
1.NumPy或Numeric Python是用于在均匀n维数组上进行计算的软件包。在numpy中,尺寸 称为轴。
2.和列表中的索引类似,矩阵中的索引一样从0开始计数,最大尺寸为总数-1.
3.反向索引从-1开始,这一点和Python列表也很相似.
4.Slicing功能也和列表相似。只是扩展到更高维度.
index实操案例
import numpy as np
list1 = [1,2,3,4,5,6]
list2 = [10,9,8,7,6,5]
a1 = np.array(list1)
a2 = np.array(list2)
print(a1*a2) # 乘法
print('*'*30) # index功能
a = np.arange(10,1,-2)
print(a)
print(a[0])
print(a[np.array([4,2,0])])
print('*'*30) # slicing功能
a3 = np.arange(10)
print(a3)
print(a3[:7])
print(a3[4:])
print(a3[3:7])
print('*'*30)
a4 = np.array([[0,1,2],[3,4,5],[6,7,8]])
print(a4)
print(f'最中间的数据是{a4[1,1]}') # 先行后列
print(f'最中间的两位数据是{a4[1,1:]}')
print(f'最下方的三位数据是{a4[2,:]}')
print(f'最下方的第一位和第三位数据是{a4[2,::2]}') # 步长
三、Numpy的逻辑索引功能
import numpy as np
a = np.array([[1,-2,3],[4,-2,3]])
print(a.shape)
print(a.ndim)
print(a)
print(a[a<0]) # 破坏原有的结构 取出符合条件的数据
print(a[a<0]*2) # 计算