记录使用numpy过程中常用的方法。(不断更新)
官方文档
import numpy as np
a = np.array([[0, 1],
[2, 3],
[4, 5]])
numpy.arange
numpy.arange([start, ]stop, [step, ]dtype=None)
返回给定间隔内的均匀间隔的值。
start——开始值
stop——结束值
step——步长
specified_column = np.arange(a.shape[1])
print(a[:, specified_column])
结果:
[[0 1]
[2 3]
[4 5]]
len(a)
输出的就是a.shape[0]
numpy.mean
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>)
沿指定轴计算算术平均值。
axis即为轴,0表示按列取,1表示按行取
a = np.array([[1, 2], [3, 4]])
np.mean(a)
# 2.5
np.mean(a, axis=0)
# array([2., 3.])
np.mean(a, axis=1)
# array([1.5, 3.5])
numpy.reshape
numpy.reshape(a, newshape, order='C')
在不更改数据的情况下为数组赋予新的形状。
np.reshape(a, (2, 3)) # C-like index ordering
# array([[0, 1, 2],
# [3, 4, 5]])
print(a.reshape(1, -1)) # 将数据变为1行
# [[0 1 2 3 4 5]]
numpy.clip
numpy.clip(a, a_min, a_max, out=None, **kwargs)[source]
给定一个间隔,该间隔之外的值将被裁剪到间隔边缘。例如,如果指定间隔[0,1],则小于0的值将变为0,而大于1的值将变为1。
print(np.clip(a, 1, 3))
# [[1 1]
# [2 3]
# [3 3]]
[::-1]
[i:j:s] # 表示:i,j为开始与结束,s表示步进,缺省为1.
比如:
a='python'
b=a[::-2]
print(b)
# nhy
print(a[::-1])
结果:
[[4 5]
[2 3]
[0 1]]