numpy函数用法

1.numpy创建数组：

首先引用：

import numpy as np

使用numpy生成数组有三种方法如下：
 

t1=np.array([1,2,3,4])
t2=np.arange(10)#可设置初始位置和步长
t3=np.array(range(10))#生成一个从0到10的数组

想得到数组的类型可以用type：

t3=np.arange(10)#可设置初始位置和步长
print(t3)
print(type(t3))

结果：

[0 1 2 3 4 5 6 7 8 9]
<class 'numpy.ndarray'>

不仅可以根据dtype可获得类型

t3=np.arange(10)#可设置初始位置和步长
print(t3.dtype)

还可以通过函数astype调整数据类型

t3=np.arange(10)#可设置初始位置和步长
print(t3)
print(t3.dtype)
#可以通过函数astype调整数据类型
t4=t3.astype("int64")
print(t4.dtype)

一下是上面numpy创建数组的内容：

#time 2022/1/7
import numpy as np
import random
#使用numpy生成数组
t1=np.array([1,2,3,5])
print(t1)
t2=np.array(range(10))#生成一个从0到10的数组
print(t2)
t3=np.arange(10)#可设置初始位置和步长
print(t3)
print(type(t3))
#dtype可获得类型
print(t3.dtype)
#numpy中的数据类型
t4=np.array(range(8,10),dtype=float)#指定类型
print(t4.dtype)
#可以通过函数astype调整数据类型
t6=t4.astype("int64")
print(t6.dtype)

2.数组形状：

a.shape可以用来查看数组的形状，那也就是数组是几维的数组

import numpy as np
a=np.arange(10)#从0到9
#a.shape可以用来查看数组的形状，那也就是数组是几维的数组
print(a.shape)#输出几个数字就代表是几维的数组

a.reshape可以用来修改数组的维度(2,5)第一个数字代表2行，第二个数字代表5列

import numpy as np
a=np.arange(10)#从0到9
#a.reshape可以用来修改数组的维度(2,5)第一个数字代表2行，第二个数字代表5列
b=a.reshape((2,5))
print(b)

尽管有其他方式可以将不同维度的数组变成一维数组，但是我个人认为用这个函数比较简单，flatten()函数可以把不同维度的数组展开成一维度的数组,比较方便

print(b.flatten())

一下是数组形状的全部代码：

#time 2022/1/8
import numpy as np
a=np.arange(10)#从0到9
#a.shape可以用来查看数组的形状，那也就是数组是几维的数组
print(a.shape)#输出几个数字就代表是几维的数组
#a.reshape可以用来修改数组的维度(2,5)第一个数字代表2行，第二个数字代表5列
b=a.reshape((2,5))
print(b)
#变成一维数组
c=b.reshape(10)
print(c)
#flatten()函数可以把不同维度的数组展开成一维度的数组,比较方便
print(b.flatten())

3.数组计算

还会继续更新。。。。。。