numpy基础
np数组的创建
import numpy as np
np.array创建数组
arr_1 = np.array([[1,2,3], [4,5,6]], dtype=np.float)
print(arr_1.shape)#每个维度上元素个数
print(arr_1.size) #数组元素总数
print(arr_1.ndim) #查看维度个数
print(arr_1.dtype) #查看元素类型
print(arr_1.itemsize) #每个元素的字节单位长度
arr_2 = arr_1.astype(np.int32) #修改元素类型
print(arr_1.dtype) #查看结果
print(arr_2.dtype)
array和asarray都可将结构数据转换为ndarray类型。array仍会copy出一个副本,占用新的内存,但asarray不会。
返回特定大小,以 0 填充的新数组
a = np.zeros(shape, dtype = float, order = 'C')
返回特定大小,以 1 填充的新数组。
np.ones(shape, dtype = None, order = 'C')
a.reshape(x, -1)或者a.reshape(-1, x)
1.若是a.reshape(x, -1)则是将矩阵a变成行数为x,列数不规定的矩阵,具体列数按照总元素个数除行数,均分得到。
2.若是a.reshape(-1, x)则是将矩阵a变成列数为x,行数不规定的矩阵,具体行数按照总元素个数除列数,均分得到。
例如:
a.reshape(2,-1) #将(3×4)变为(2×6)的矩阵,一维长度为2,二维长度自适应
结果 [[ 1 2 3 4 5 6]
[ 7 8 9 10 11 12]]
np数组的索引和切片
ndarray对象中的元素遵循基于零的索引。 有三种可用的索引方法类型: 字段访问,基本切片和高级索引。
a = np.arange(10)
b = a[2:7:2]
结果
[2 4 6]
或者可以用slice
a = np.arange(10)
s = slice(2,7,2)
结果
[2 4 6]
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
# 对始于索引的元素进行切片
print a[1:]
结果
[[3 4 5]
[4 5 6]]
#从第二列向后切片所有元素:
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a[...,1:]) #第二列及其剩余元素是
结果
[[2 3]
[4 5]
[5 6]]
该结果包括数组中(0,0),(1,1)和(2,0)位置处的元素。
x = np.array([[1, 2], [3, 4], [5, 6]])
y = x[[0,1,2], [0,1,0]]
结果
[1 4 5]
广播
广播功能 : 较小的数组会广播到较大数组的大小,以便使它们的形状可兼容。
import numpy as np
a = np.array([[0.0,0.0,0.0],[10.0,10.0,10.0],[20.0,20.0,20.0],[30.0,30.0,30.0]])
b = np.array([1.0,2.0,3.0])
print(a + b)
[[ 1. 2. 3.]
[ 11. 12. 13.]
[ 21. 22. 23.]
[ 31. 32. 33.]]
修改数组的值
import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
for x in np.nditer(a, op_flags=['readwrite']):
x[...]=2*x
修改后的数组是:
print(a)