arcgis的numpy模块_numpy模块常用函数解析

https://blog.csdn.net/lm_is_dc/article/details/81098805

numpy模块

以下命令都是在浏览器中输入。

cmd命令窗口输入：jupyter notebook

后打开浏览器输入网址http://localhost:8888/

一、导入模块

import numpy as np

1

查看numpy版本

np.__version__

1

Numpy可以提供数组支持以及相应的高效处理函数，是Python数据分析的基础，也是SciPy、Pandas等数据处理和科学计算库最基本的函数功能库，且其数据类型对Python数据分析十分有用。

二、创建数组(ndarray)

1. 使用np.array()

参数为列表： 如[1, 4, 2, 5, 3]

arr1=np.array([1,2,3,4])

arr1 #点击shift + Enter后可直接查看数组

1

2

1.1 查看变量的数据类型

type(arr1)

输出：numpy.ndarray

1

2

1.2 创建二维数组

arr2= np.array([[1,2,3],[4,5,6],[7,8,9]])

arr2

1

2

1.3 创建多维数组

如创建三维数组：

arry3=np.array([[[1,2,3],[4,5,6],[7,8,9]]])

arry3

1

2

1.4 注意

numpy默认ndarray的所有元素的类型是相同的

如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str>float>int

如：

np.array([1,2,'a'])

输出：array(['1', '2', 'a'],

dtype='

1

2

3

shape的使用:shape返回的是ndarray的数组形状(返回类型是元组)。返回值的数据个数表示的就是数组的维度

arr2.shape

输出：(3, 3) #意思是arr2是一个3行3列的数组

1

2

2、使用matplotlib.pyplot获取一个numpy数组，数据来源于一张图片

2.1、导入模块

import matplotlib.pyplot as plt

1

2.2 读取图片

img=plt.imread(r'./虎.jpg') #img此时就是numpy.ndarray

img.shape

输出：(369, 389, 3) #img形状为三维数组，369*389像素，3代表颜色维度

1

2

3

type(img)

输出：numpy.ndarray

1

2

2.3显示图片

plt.imshow(img)

plt.show()

1

2

2.4修改图片

img_ecg=img-50 #img-50意思是每个元素减去50，数组值改变，图片自然会改变

plt.imshow(img_ecg)

plt.show()

1

2

3

3、使用numpy的常见函数创建

包含以下常见创建方法：

3.1 np.ones(shape, dtype=None, order=’C’)

#创建2行2列的全部数值都为1的二维数组

arr= np.ones(shape=(2,2),dtype=int)

arr

输出：array([[1, 1],

[1, 1]])

1

2

3

4

5

3.2 np.zeros(shape, dtype=None, order=’C’)

#创建2行3列的全部数值都为0的二维数组

arr=np.zeros([2,3])

arr

输出：array([[ 0., 0., 0.],

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

1

2

3

4

5

3.3 np.full(shape, fill_value, dtype=None, order=’C’)

#创建2行3列的全部数值都为10的二维数组

#fill_value参数为数组填充的值

arr=np.full(shape=(2,4),fill_value=10,dtype=int)

arr

输出：array([[10, 10, 10, 10],

[10, 10, 10, 10]])

1

2

3

4

5

6

3.4 np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 等差数列

#数组初值为0，有10个值，终值为9

arr_linspace=np.linspace(start=0,stop=10,num=10,endpoint=False)

arr_linspace

输出：array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])

1

2

3

4

3.5 np.arange([start, ]stop, [step, ]dtype=None)

##数组初值为0，有5(10除以2)个值，终值为8，只能创建一维数组

arr_arange=np.arange(0,10,2)

arr_arange

输出：array([0, 2, 4, 6, 8])

1

2

3

4

3.6 np.random.randint(low, high=None, size=None, dtype=’l’)

#创建一个随机数在[10,90)的3行4列二维数组

#size=[3]则是一个一维数组，size=[3,4,5]则是三维数组

#随机原理：根据当前系统的时间产生随机数

#可以固定种子，使用seed(种子)函数

#np.random.seed(1)

np.random.randint(10,90,size=[3,4])

1

2

3

4

5

6

3.7 np.random.randn(d0, d1, …, dn) 标准正太分布

#创建一个10个元素的一维数组

np.random.randn(10)

1

2

#创建一个多维数组

#如创建10行，10列的数组

np.random.randn((10,10))

1

2

3

3.8 np.random.random(size=None)

生成[0,1)的随机数

#创建一个2行2列的数值在[0,1)的二维数组

np.random.random(size=[2,2])

1

2

3.9 np.random.rand(d0,d1,…dn )

以给定的形状创建一个数组，并在数组中加入在[0,1)之间均匀分布的随机样本。

np.random.rand(10)

1

np.random.rand(2,2)

1

3.10 np.eye(N, M=None, k=0, dtype=float)

#创建一个对角线为1的矩阵(二维数组)

arr_eys=np.eye(4)

arr_eys

输出：

array([[ 1., 0., 0., 0.],

[ 0., 1., 0., 0.],

[ 0., 0., 1., 0.],

[ 0., 0., 0., 1.]])

1

2

3

4

5

6

7

8

9

三、ndarray的属性

4个必记参数：

ndim：维度