python中numpy模块的around方法_numpy模块的基本操作

numpy模块基本使用方法

1.导入模块

import numpy as np

2.创建数组

np.array([ ])/np.array([[ ],[ ]]):能创建一维，二维或者多维数组

np.arange(start,stop,step)：只能创建一维数组

np.linspace(start,stop,num=50)：只能创建一维数组

np.random系列：

np.random.rand():创建随机数为0-1的数组

np.random.randint(low,high,size):创建一个size大小的数组

np.random.randn():创建随机数组

可以使用np.random.seed()来固定数组元素

其他(不常用)：

np.ones(shape)

np.ones_like(a)

np.zeros(shape)

np.zeros_like(a)

np.eye():创建单位矩阵

np.array([1,2,3])

array([1, 2, 3])

np.arange(1,10,step=2)

array([1, 3, 5, 7, 9])

np.linspace(1,10,num=20)

array([ 1. , 1.47368421, 1.94736842, 2.42105263, 2.89473684,

3.36842105, 3.84210526, 4.31578947, 4.78947368, 5.26315789,

5.73684211, 6.21052632, 6.68421053, 7.15789474, 7.63157895,

8.10526316, 8.57894737, 9.05263158, 9.52631579, 10. ])

np.random.seed(3)

print(np.random.rand(2,3))

print(np.random.randint(1,10,size=(2,5)))

print(np.random.randn(2,3))

[[0.5507979 0.70814782 0.29090474]

[0.51082761 0.89294695 0.89629309]]

[[6 8 7 1 5]

[8 9 2 7 3]]

[[-0.34733018 0.06629873 -1.62758528]

[ 0.39788586 -1.62915743 -0.63893553]]

3.数据的属性

arr.shape:数组的形状，可以通过arr.reshape(shape)来改变数组的形状

arr.dtype：数组元素的类型，可以通过arr.dtype=""来改变数组元素的类型

arr.ndim：数组的维度

arr.size：数组元素的个数

type(arr)：数组类型

4.ndarray的数据类型

bool 用一个字节存储的布尔类型(True或False)

inti 由所在平台决定其大小的整数(一般为int32或int64)

int8 一个字节大小，-128 至 127

int16 整数，-32768 至 32767

int32 整数，-2 ** 31 至 2 ** 32 -1

int64 整数，-2 ** 63 至 2 ** 63 - 1

uint8 无符号整数，0 至 255

uint16 无符号整数，0 至 65535

uint32 无符号整数，0 至 2 ** 32 - 1

uint64 无符号整数，0 至 2 ** 64 - 1

float16 半精度浮点数：16位，正负号1位，指数5位，精度10位

float32 单精度浮点数：32位，正负号1位，指数8位，精度23位

float64或float 双精度浮点数：64位，正负号1位，指数11位，精度52位

complex64 复数，分别用两个32位浮点数表示实部和虚部

complex128或complex 复数，分别用两个64位浮点数表示实部和虚部

arr = np.random.randn(4,5)

print(arr.shape)

print(arr.ndim)

print(arr.dtype)

print(arr.size)

print(type(arr))

(2, 3)

2

float64

6

5.数组的索引及切片

基本的索引及切片arr[行，列]

取前三行的数据:arr[0:3]或者arr[0:3,:]

取前两列的数据:arr[:,0:3]

取前三行前两列的数据:arr[0:3,0:2]

布尔型的索引及切片

arr

array([[ 0.2613125 , -0.69459727, -2.02469194, 0.84595316, -0.47455326],

[-1.39576555, -1.73278446, -0.23322423, -0.36848667, -1.8131661 ],

[ 0.25453554, 1.06394904, -0.98961218, -0.96505109, -1.42170273],

[-0.21899587, 0.0673387 , -1.43275264, -0.03472461, -0.87321135]])

#取前三行的数据

arr[0:3]

arr[0:3,:]

array([[ 0.2613125 , -0.69459727, -2.02469194, 0.84595316, -0.47455326],

[-1.39576555, -1.73278446, -0.23322423, -0.36848667, -1.8131661 ],

[ 0.25453554, 1.06394904, -0.98961218, -0.96505109, -1.42170273]])

#取前两列的数据

arr[:,0:2]

array([[ 0.2613125 , -0.69459727],

[-1.39576555, -1.73278446],

[ 0.25453554, 1.06394904],

[-0.21899587, 0.0673387 ]])

#取前三行前两列的数据

arr[0:3,0:2]

array([[ 0.2613125 , -0.69459727],

[-1.39576555, -1.73278446],

[ 0.25453554, 1.06394904]])

ar = np.arange(12).reshape(3,4)

i = np.array([True,False,True])

j = np.array([True,True,False,False])

print(ar)

print(i)

print(j)

print(ar[i,:]) # 在第一维度做判断，只保留True，这里第一维度就是行，ar[i,:] = ar[i](简单书写格式)

print(ar[:,j]) # 在第二维度做判断，这里如果ar[:,i]会有警告，因为i是3个元素，而ar在列上有4个

# 布尔型索引：以布尔型的矩阵去做筛选

m = ar > 5

print(m) # 这里m是一个判断矩阵

print(ar[m]) # 用m判断矩阵去筛选ar数组中>5的元素

[[ 0 1 2 3]

[ 4 5 6 7]

[ 8 9 10 11]]

[ True False True]

[ True True False False]

[[ 0 1 2 3]

[ 8 9 10 11]]

[[0 1]

[4 5]

[8 9]]

[[False False False False]

[False False True True]

[ True True True True]]

[ 6 7 8 9 10 11]

6.级联操作

将多个numpy数组进行横向或者纵向的拼接

axis轴向的理解

0:列

1:行

arr = np.random.randint(1,16,size=(3,4))

arr

array([[ 2, 6, 2, 9],

[ 9, 8, 14, 1],

[ 1, 10, 2, 8]])

np.concatenate((arr,arr),axis=1)

array([[ 2, 6, 2, 9, 2, 6, 2, 9],

[ 9, 8, 14, 1, 9, 8, 14, 1],

[ 1, 10, 2, 8, 1, 10, 2, 8]])

7.常用的聚合操作

sum求和,max最大值,min最小值,mean平均值

arr

array([[ 2, 6, 2, 9],

[ 9, 8, 14, 1],

[ 1, 10, 2, 8]])

print(arr.sum())#计算全部数组的和

print(arr.sum(axis=0))#计算每一列的和

print(arr.sum(axis=1))#计算每一行的和

#max,min,mean同sum

72

[12 24 18 18]

[19 32 21]

8.常用的统计函数

np.amin() 和 np.amax()，用于计算数组中的元素沿指定轴的最小、最大值。

np.ptp():计算数组中元素最大值与最小值的差(最大值 - 最小值)。

np.median() 函数用于计算数组中元素的中位数(中值)

标准差std():标准差是一组数据平均值分散程度的一种度量。

公式：std = sqrt(mean((x - x.mean())**2))

方差var()：统计中的方差(样本方差)是每个样本值与全体样本值的平均数之差的平方值的平均数，即 mean((x - x.mean())** 2)。换句话说，标准差是方差的平方根。

arr

array([[ 2, 6, 2, 9],

[ 9, 8, 14, 1],

[ 1, 10, 2, 8]])

np.ptp(arr,axis=0)

array([ 8, 4, 12, 8])

np.median(arr,axis=0)

array([2., 8., 2., 8.])

np.std(arr)

arr.std()

4.123105625617661

np.var(arr)

arr.var()

17.0

9.常用的数学函数

NumPy 提供了标准的三角函数：np.sin()、np.cos()、np.tan()

np.around(a,decimals) 函数返回指定数字的四舍五入值。

参数说明：

a: 数组

decimals: 舍入的小数位数。 默认值为0。 如果为负，整数将四舍五入到小数点左侧的位置

np.sin(arr)

array([[ 0.90929743, -0.2794155 , 0.90929743, 0.41211849],

[ 0.41211849, 0.98935825, 0.99060736, 0.84147098],

[ 0.84147098, -0.54402111, 0.90929743, 0.98935825]])

np.around(arr,decimals=-1)

array([[ 0, 10, 0, 10],

[10, 10, 10, 0],

[ 0, 10, 0, 10]])

原文链接:https://blog.csdn.net/weixin_43816759/article/details/108778390