python3.5安装numpy_Python3.5基础之NumPy模块的使用图文与实例详解

本文实例讲述了Python3.5基础之NumPy模块的使用。分享给大家供大家参考，具体如下：

1、简介

2、多维数组——ndarray

#!/usr/bin/env python

# -*- coding:utf-8 -*-

# Author:ZhengzhengLiu

import numpy as np

#1.创建ndarray

#创建一维数组

n1 = np.array([1,2,3,4])

print(n1)

#属性--ndim:维度;dtype:元素类型;shape:数组形状;

# size:数组元素总个数，shape值相乘得到

print("n1维度:",n1.ndim)

print("n1元素类型:",n1.dtype)

print("n1数组形状:",n1.shape)

print("n1数组元素总个数:",n1.size)

#创建二维数组

n2 = np.array([

[1,2,3,4],

[5,6,7,8]

])

print(n2)

print("n2维度:",n2.ndim)

print("n2元素类型:",n2.dtype)

#创建三维数组

n3 = np.array([

[

[1,2,3,4],

[5,6,7,8]

],

[

[10,20,30,40],

[50,60,70,80]

]

])

print(n3)

print("n3数组形状:",n3.shape)

print("n3数组元素总个数:",n3.size)

#2.通过函数创建数组

z = np.zeros((3,2)) #创建指定形状的数组，数值由零填充

print(z)

print(z.dtype)

o = np.ones((2,4)) #创建指定形状的数组，数值由1填充

print(o)

e = np.empty((2,3,2)) #创建指定形状的数组，数值由未初始化的垃圾值填充

print(e)

#3.通过函数计算的方式去创建数组

#一个参数，区间左闭右开，默认起始值为0，步长为1

np1 = np.arange(10)

print(np1)

#两个参数（起始值，终止值），区间左闭右开，默认步长为1

np2 = np.arange(2,10)

print(np2)

#三个参数（起始值，终止值，步长），区间左闭右开，步长为2

np3 = np.arange(2,10,2)

print(np3)

#倒序创建数组元素

np4 = np.arange(10,2,-1)

print(np4)

#全闭区间，参数（起始值，终止值，元素个数）,等差数列

np5 = np.linspace(0,10,5)

print(np5)

#全闭区间，以10为底数参数为指数（起始值，终止值，元素个数），等比数列

np6 = np.logspace(0,2,5)

print(np6)

#生成随机数的数组

np7 = np.random.random((2,3))

print(np7)

运行结果：

[1 2 3 4]

n1维度: 1

n1元素类型: int32

n1数组形状: (4,)

n1数组元素总个数: 4

[[1 2 3 4]

[5 6 7 8]]

n2维度: 2

n2元素类型: int32

[[[ 1 2 3 4]

[ 5 6 7 8]]

[[10 20 30 40]

[50 60 70 80]]]

n3数组形状: (2, 2, 4)

n3数组元素总个数: 16

[[ 0. 0.]

[ 0. 0.]

[ 0. 0.]]

float64

[[ 1. 1. 1. 1.]

[ 1. 1. 1. 1.]]

[[[ 1.02548961e-305 5.40165714e-067]

[ 1.05952696e-153 9.69380992e+141]

[ 2.17151199e+214 4.34975848e-114]]

[[ 2.08064175e-115 1.91431714e+227]

[ 6.42897811e-109 1.26088822e+232]

[ 9.51634286e-114 5.45764552e-306]]]

[0 1 2 3 4 5 6 7 8 9]

[2 3 4 5 6 7 8 9]

[2 4 6 8]

[10 9 8 7 6 5 4 3]

[ 0. 2.5 5. 7.5 10. ]

[ 1. 3.16227766 10. 31.6227766 100. ]

[[ 0.55980469 0.99477652 0.82310732]

[ 0.97239333 0.1409895 0.57213264]]

#修改ndarray形状

np8 = np.arange(0,20,2)

print(np8)

print(np8.size)

np9 = np8.reshape(2,5)

print(np9)

print(np9.size)

#reshape函数是对被修改数组的一个拷贝，共享同一内存，

# 修改其中一个数组会影响里一个

np9[1][2] = 50

print(np8)

print(np9)

# -1表示第二维自动根据元素个数计算

np10 = np8.reshape(5,-1)

print(np10)

#shape直接修改原来数组的形状

np8.shape=(2,-1)

print(np8)

运行结果：

[ 0 2 4 6 8 10 12 14 16 18]

10

[[ 0 2 4 6 8]

[10 12 14 16 18]]

10

[ 0 2 4 6 8 10 12 50 16 18]

[[ 0 2 4 6 8]

[10 12 50 16 18]]

[[ 0 2]

[ 4 6]

[ 8 10]

[12 50]

[16 18]]

[[ 0 2 4 6 8]

[10 12 50 16 18]]

Numpy基本操作说明

希望本文所述对大家Python程序设计有所帮助。