1.调用numpy库
import numpy as np
1.numpy的数组是从0开始索引的;
2.numpy类型的维度(dimensions)叫做轴(axes),轴的个数叫做秩(rank),一维数组秩为1;二维数组秩为2。
2.使用numpy创建数组。
注:numpy不能创建不指定维数空数组
1.使用Python的list创建数组。
np.array()
array1 = np.array([1, 2, 3], dtype=int)
array2 = np.array([[1, 10, 2], [1,5,6]])
array3 = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[9,6,3]]])
2.numpy自己的函数创建数组
np.arange()
# np.arange([start,] stop[, step,], dtype=None) 创建函数序列
a1 = np.arange(10)
a2 = np.arange(2,10,2)
np.ones()
# np.ones创建全是1的数组
# np.ones(shape, dtype=None,order='C')
# np.ones_like(a,dtype=None,order='C') 创建一个和a相同shape的全1数组
a3 = np.ones(10)
a4 = np.ones((2,3,4))
a5 = np.ones_like(array3)
np.zeros()、np.empty()和np.ones()函数一样
# np.zeros(shape, dtype=None,order='C') 和ones函数是一样的
# np.zeros_like(a,dtype=None,order='C') 创建一个和a相同shape的全0数组
# 和ones函数一样,但是数值是空的(即没有初始化)
# np.empty(shape) 和ones函数是一样的
# np.empty_like(a) 创建一个和a相同shape的空数组
# np.full(shape, fill_value, dtype=None,oder='C')
# 创建一个数组值全为fill_value的值
a7 = np.full((2, 5), 123)
3.numpy对数组的索引
1.基础索引
array[1] array[3] ....
array[2:4]
和MATLAB一样,但是是从0开始
array[-1],array[-2:-4]
负号表示是从最后一个开始。最有一个索引号为-1!! 因为-0 = 0 表示第一个元素
对于二维数组的索引
array[1,2] 对于C中相当于array[1][2]
array[2] 相当于只筛选第二行的所有列
array[:,2] 相当于筛选了第二列的所有行
2.切片索引(神奇索引)就是利用整数数组进行索引
3.布尔索引
可以参考的完整:
1.numpy中文手册
numpy中文手册
2.numpy官方手册,不会的函数可以去查,感觉很不错。有例子。
numpy官方手册