numpy基本操作

最新推荐文章于 2020-08-05 13:36:38 发布
最新推荐文章于 2020-08-05 13:36:38 发布
阅读量162 收藏
点赞数
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiao_baocai/article/details/104240227
版权

文章目录

什么是NumPy

NumPy是Python用于科学计算的基础库，重在数值计算，也是大部分Python科学计算库的基础库，多用于在大型、多维数组上执行数值计算。

NumPy常见的数据类型

类型类型代码说明
int8、uint8i1、u1有符号和无符号的8位(1个字节)整型
int16、uint16i2、u2有符号和无符号的16位(2个字节)整型
int32、uint32i4、u4有符号和无符号的32位(4个字节)整型
int64、uint64i8、u8有符号和无符号的64位(8个字节)整型
float16f2半精度浮点数
float32f4或f标准的单精度浮点数。与c的float兼容
float64f8或d标准的双精度浮点数。与c的double和Python的float对象兼容
float128f16或g扩展精度浮点数
complex64、complex128c8、c16分别用俩个32位、64或128位浮点数表示的
complex256c32复数
bool?存储True和False值得布尔类型

NumPy常见的操作

数组相关操作
  • 创建数组
import numpy as np  
a = np.array([1,2,3,4])  
b = np.array(range(1,5))  
c = np.arange(1,5)

a,b,c结果一样，注意arange和range的区别
np.arange的用法：arrange(start, stop, dtype=None )

  • 数据的类型操作
a=np.array([1,0,1,0,1],dtype=np.bool) #指定创建的数组的数据类型
a.astyep(np.int8) #修改数组的数据类型
np.round(c,3) #修改浮点型的小数位数
  • 数组的形状
In [1]:import numpy as np
In [10]:a=np.array([[1,2,3,4],[5,6,7,8]])
In [11]:a
Out[11]:array([[1, 2, 3, 4],
      		   [5, 6, 7, 8]])
In [12]:a.shape #查看形状
Out[12]:(2, 4)
In [13]:a.reshape(4,2) #转换成四行俩列
Out[13]:array([[1, 2],
		       [3, 4],
		       [5, 6],
		       [7, 8]])
In [14]:a.shape
Out[14]:(2, 4)
In [15]:a.reshape(1,8) #转换一行八列
Out[15]:array([[1, 2, 3, 4, 5, 6, 7, 8]])
In [16]:a.flatten()
Out[16]:array([1, 2, 3, 4, 5, 6, 7, 8])
In [17]:a #注意a并没有发生改变
Out[17]:array([[1, 2, 3, 4],
       			[5, 6, 7, 8]])
  • 数组计算
In [1]:import numpy as np
In [2]:a = np.array([[1,2,3,4],[5,6,7,8]])
In [3]:a
Out[3]:array([[1, 2, 3, 4],
       		  [5, 6, 7, 8]])
In [4]:b = np.array([[9,10,11,12],[13,14,15,16]])
In [5]:b
Out[5]:array([[ 9, 10, 11, 12],
      		  [13, 14, 15, 16]])
In [6]:a+b #与相同位置的相加
Out[6]:array([[10, 12, 14, 16],
              [18, 20, 22, 24]])
In [7]:a*b #与相同位置的相乘
Out[7]:array([[  9,  20,  33,  48],
      	      [ 65,  84, 105, 128]])
  • 广播原则

如果两个数组的后缘维度(即：从末尾开始算起的维度)的轴长相符或其中一方的长度为1，则认为它们是广播兼容的，广播会在缺失和(或)长度为1的轴上进行

简单的理解就是数组拥有相同的相同的形状，当前维度的值相等，当前维度的值有一个是1

In [1]:import numpy as np
In [3]:a = np.array([1,2,3,4]) #shape为(4,)
In [4]:b = np.array([2]) #shape为(1,)
In [5]:a+b
Out[5]:array([3, 4, 5, 6]) 
In [6]:c = np.array([[1],[2],[3]]) #shape为(3,1)
In [7]:a+c
Out[7]:array([[2, 3, 4, 5],
       [3, 4, 5, 6],
       [4, 5, 6, 7]])
In [8]:d = np.array([[1,2,3,4],[4,5,6,8]]) #shape为(2,4)
In [9]:a+d
Out[9]:array([[ 2,  4,  6,  8],
       		 [ 5,  7,  9, 12]])
  • 转置

转置就是在对角线方向交换数据，目的是为了更方便的处理数据

In [15]:f = np.array([[0,1,2,3,4],[5,6,7,8,9],[10,11,12,13,14]])
In [16]:f
Out[16]:array([[ 0,  1,  2,  3,  4],
      		   [ 5,  6,  7,  8,  9],
      		   [10, 11, 12, 13, 14]])
In [17]:f.transpose()
Out[17]:array([[ 0,  5, 10],
       		   [ 1,  6, 11],
      		   [ 2,  7, 12],
      		   [ 3,  8, 13],
      		   [ 4,  9, 14]])
In [20]:f.swapaxes(1,0)
Out[20]:array([[ 0,  5, 10],
		       [ 1,  6, 11],
		       [ 2,  7, 12],
		       [ 3,  8, 13],
		       [ 4,  9, 14]])
In [22]:f.T
Out[22]:array([[ 0,  5, 10],
		       [ 1,  6, 11],
		       [ 2,  7, 12],
		       [ 3,  8, 13],
		       [ 4,  9, 14]])
数据的读取
  • CSV文件：Comma-Separated Values，中文叫，逗号分隔值或者字符分割值，其文件以纯文本的形式存储表格数据。换行和逗号分隔行列的格式化文本，每一行表示一条数据。
  • numpy读取文件参数设置
    • fame：文件的名称
    • dtype：数据类型，默认是float
    • delemiter：分隔符字符串，默认情况是是任何空格,改为逗号
    • skiprows：跳过前x行
    • usecols：读取指定的列，可以是元组
    • unpack：如果是True， 对返回的数组对象转置
data = np.loadtxt(fname=fname, dtype=dtype, skiprows=1, usecols=(1, 2), unpack=True)
索引和切片

操作跟python列表操作差不多

In [23]:f
Out[23]:array([[ 0,  1,  2,  3,  4],
		       [ 5,  6,  7,  8,  9],
		       [10, 11, 12, 13, 14]])
In [25]:f[1] #取一行
Out[25]:array([5, 6, 7, 8, 9])
In [26]:f[:,2] #取一列
Out[26]:array([ 2,  7, 12])
In [71]:f[0:2] #取多行 取0到1行，不包含2行
Out[71]:array([[0, 1, 2, 3, 4],
		       [5, 6, 7, 8, 9]])
In [72]:f[:,1:4] #取多列 取1到43列，不包含4列
Out[72]:array([[ 1,  2,  3],
		       [ 6,  7,  8],
		       [11, 12, 13]])
数值的修改
In [74]:t = np.arange(30).reshape((5,6))
In [75]:t<15 #利用布尔索引判断
Out[75]:array([[ True,  True,  True,  True,  True,  True],
		       [ True,  True,  True,  True,  True,  True],
		       [ True,  True,  True, False, False, False],
		       [False, False, False, False, False, False],
		       [False, False, False, False, False, False]])
In [76]:t[t<15]=0 #修改值
In [77]:t
Out[77]:array([[ 0,  0,  0,  0,  0,  0],
		       [ 0,  0,  0,  0,  0,  0],
		       [ 0,  0,  0, 15, 16, 17],
		       [18, 19, 20, 21, 22, 23],
		       [24, 25, 26, 27, 28, 29]])
In [78]:m = np.arange(30).reshape((5,6))
In [79]:m
Out[79]:array([[ 0,  1,  2,  3,  4,  5],
		       [ 6,  7,  8,  9, 10, 11],
		       [12, 13, 14, 15, 16, 17],
		       [18, 19, 20, 21, 22, 23],
		       [24, 25, 26, 27, 28, 29]])
In [80]:np.where(t<15,0,30) #三元运算符
Out[80]:array([[ 0,  0,  0,  0,  0,  0],
		       [ 0,  0,  0,  0,  0,  0],
		       [ 0,  0,  0, 30, 30, 30],
		       [30, 30, 30, 30, 30, 30],
		       [30, 30, 30, 30, 30, 30]])
In [81]:n = np.arange(30).reshape((5,6))
In [82]:n.clip(10,20) #裁剪，小于x的为x，大于y的为y
Out[82]:array([[10, 10, 10, 10, 10, 10],
		       [10, 10, 10, 10, 10, 11],
		       [12, 13, 14, 15, 16, 17],
		       [18, 19, 20, 20, 20, 20],
		       [20, 20, 20, 20, 20, 20]])
数组拼接
In [3]:t1 = np.array([[0,1,2,3],[4,5,6,7]])
In [4]:t2 = np.array([[8,9,10,11],[12,13,14,15]])
In [5]:np.vstack((t1,t2)) #竖直拼接
Out[5]:array([[ 0,  1,  2,  3],
		      [ 4,  5,  6,  7],
		      [ 8,  9, 10, 11],
		      [12, 13, 14, 15]])
In [6]:np.hstack((t1,t2)) #水平拼接
Out[6]:array([[ 0,  1,  2,  3,  8,  9, 10, 11],
       		  [ 4,  5,  6,  7, 12, 13, 14, 15]])
数组行列交换
In [7]:t = np.arange(0,24).reshape(4,6)
In [8]:t
Out[8]:array([[ 0,  1,  2,  3,  4,  5],
		      [ 6,  7,  8,  9, 10, 11],
		      [12, 13, 14, 15, 16, 17],
		      [18, 19, 20, 21, 22, 23]])
In [9]:t[[1,2],:] = t[[2,1],:]  #行交换
In [10]:t
Out[10]:array([[ 0,  1,  2,  3,  4,  5],
		       [12, 13, 14, 15, 16, 17],
		       [ 6,  7,  8,  9, 10, 11],
		       [18, 19, 20, 21, 22, 23]])
In [11]:t[:,[1,2]] = t[:,[2,1]]  #列交换
In [12]:t
Out[12]:array([[ 0,  2,  1,  3,  4,  5],
		       [12, 14, 13, 15, 16, 17],
		       [ 6,  8,  7,  9, 10, 11],
		       [18, 20, 19, 21, 22, 23]])
nan和inf

读取文件为float的时候，出现数据丢失的话会为nan
如果数据计算出现问题的话会出现inf，inf表示正无穷大，-inf表示负无穷大

In [83]:a = np.inf #指定一个inf
In [84]:type(a)
Out[84]:float
In [85]:a = np.nan #指定一个nan
In [86]:type(a)
Out[86]:float
In [88]:np.nan == np.nan
Out[88]:False
In [89]:np.nan != np.nan
Out[89]:True
In [93]:t = np.array([0,1,2,a,a])
In [94]:t
Out[94]:array([ 0.,  1.,  2., nan, nan])
In [95]:np.count_nonzero(t!=t) #利用nan的性质
Out[95]:2
In [96]:t[np.isnan(t)]=0 #判断nan，数据缺失的话看情况使用平均值之类的统计函数
In [97]:t
Out[97]:array([0., 1., 2., 0., 0.])
常用的统计函数
  • 求和：t.sum(axis=None)
  • 均值：t.mean(a,axis=None)
  • 中值: np.median(t,axis=None)
  • 最大值: t.max(axis=None)
  • 最小值: t.min(axis=None)
  • 极差: np.ptp(t,axis=None)
  • 标准差: t.std(axis=None)

默认返回多维数组的全部的统计结果，如果指定axis，则返回一个当前轴上的结果

xiao_baocai
关注
【leetcode】【77】Combinations
斗code、年华
11-26 4万+
一、问题描述 Given two integers n and k, return all possible combinations of k numbers out of 1 ... n. For example, If n = 4 and k = 2, a solution is: [ [2,4], [3,4], [2,3], [1,2], [1,3]
xiao77论坛php,论坛
热门推荐
weixin_39614109的博客
04-09 56万+
论坛1. 如何加其他人为好友？ID头像下方有“加好友”、“发消息”、“打招呼”和“串个门”的互动功能。在发帖的头像区和该人的个人资料区都可以进行互动，且有不同的奖励。 2.看到喜欢的帖子如何保存？可点击帖子下方的“收藏”按钮，然后回到个人空间的收藏应用中查看即可。 3.如何查看所有我参与过的帖子？登录成功后，在页面右上角点击“帖子”即可查看。 4.如何知道我参与的帖子有了新的回复?当有人回复了你的...
纠缠在回忆里的感伤
xiao77777的专栏
06-10 4万+
  一个身影从眼前晃过，我本能的踩死了刹车，车因为惯性向前使了一点后终于停了下来，幸亏没有撞到那个骑车的老人！我尚惊魂未定，额头冒出了冷汗，好险！    人在开车心却早就离开了心脏，鬼使神差，我又在以前的世界里挣扎。虽然努力克制，虽然试图忘记，原来，自己真的是世界上最没用最没用的家伙！眼角，泪悄然落下。问自己为什么要这般傻问自己为什么还是放不下？不是找不到答案，只是答案太真现实太残酷自己太无助！走
Welcome to Xiao
xiao_123_123的博客
08-05 4万+
这里写自定义目录标题Welcome to Xiao新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 Welcome to Xiao 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
今儿下午疲惫极了
xiao7733bbb的专栏
06-10 3万+
回家的公车上人也特别的多，春天来了，气温渐温，街上的颜色也丰富起来，我一路的走，一路的观望，看着一张张的笑脸，我也一路的想，想我爱的人和爱我的人，不觉得走神了。下车没两步，我摔了一交，结结实实的。手中的电脑包抛了老远，我一下子倒在了路边，脑子嗡响了一下，暂时的记忆就没了。大约有那么两三秒，也许是我摔倒的动静太大了，感觉周围的目光都在朝我这边看，一时间的尴尬，没顾得上身上的土，站起来就往住的方向猛走
Numpy基础操作和功能实战
09-23
Numpy基础操作和功能实战
Python第三方库numpy基本操作
最新发布
03-11
本篇文章将深入探讨`numpy`的基础操作，包括数组的创建、矩阵运算以及随机数生成，这些知识对于机器学习的实践至关重要。 首先，我们来看如何创建数组。在`numpy`中，可以使用`array`函数创建数组。例如： ```...
新手入门学习python Numpy基础操作
01-20
是在学习机器学习、深度学习之前应该掌握的一个非常基本且实用的Python库。 导入库，创建数组 import numpy as np a = np.arraya = np.array([0, 1, 2, 3, 4] ) #使用array函数 a = np.array([[11, 12, 13, 14, 15]...
Python中矩阵库Numpy基本操作详解
09-21
### Python中矩阵库Numpy基本操作详解 #### 一、Numpy简介 Numpy是Python中用于数值计算的一个基础库，它提供了大量的高效且优化过的数学函数，特别是针对数组（Array）的操作。对于数据科学、机器学习等领域而言，...
77. Combinations
xiao_dondon的博客
08-22 2万+
Given two integers n and k, return all possible combinations of k numbers out of 1 ... n. For example, If n = 4 and k = 2, a solution is: [ [2,4], [3,4], [2,3], [1,2], [1,3], [1,4], ]
失而复得的爱情
xiao7733bbb的专栏
06-10 2万+
 那年夏天，长江边，夕阳还有一点点余辉，欢快的蛐蛐叫个不停。他和她坐在江边的石阶上，凝视波浪起伏的江面，任晚风吹乱本已理不清的思绪。　　父母的叮咛始终绕在他的耳畔：“到大学要好好学习，你是我们的骄傲。”他不想因为谈恋爱而影响学习，让父母失望。虽然，她曾为他付出了很多，同时，他也恨自己，为什么当初要接受她？而她也知道他要对她说什么。　　江水是浑浊的，心是沉重的。　　风起了，江里的浪一浪高过一浪，气温
美女登场
xiao77777的专栏
06-10 7万+
不怕大家笑话，我大学毕业时，还是个处长，所谓处长就是没有经过女人滋润的那种，我想大家都知道我是什么意思的。其实，上大学的时候我还是有些女人缘的，毕竟在班上我的学习成绩还是走在了同学们的前列，这是一笔不小的资本。你不知道，只要到了考试前一个月左右，我是很跑火的，我们班上那些天天浸泡在女孩子堆的家伙就要开始巴结我，请我吃饭，因为他们要拿到毕业证，还是需要过我这关的，考试的时候他们好抄袭我的，我要是给他
我还是与他分手
xiao77777的专栏
06-10 2万+
   我们的感情纠缠很久，我把他为我创建的游戏号嫁了。虽然他一直以为我会把那号嫁给他，不能，我知道那号不可能嫁给他。因为有很多不便，有很多原因我还是没经他同意就做主了。中午告诉他，我其实很是心痛。他没说一句话，可他删除了游戏，更是删除了我们唯一的联系QQ。连我们之间的邮件他也轻易的删除，不知怎么我还是抢过那个与我并肩的游戏号（那个他的男号）那是他唯一没删除掉的。    其实我知道他会很伤心，但没想
在这个被欲望和利益所支配的世界里
xiao7733bb的专栏
06-09 2万+
剩下的那点酒精再次滑过嘴角，才感觉到一丝凉意。谁说酒精可以麻醉人的思维，可以暂时忘掉想忘的一切，骗人的，都是骗人的。我依然很清醒。 不可否认，这的确是一个被欲望和利益所支配的世界，无数人这样告诉我。现在终于看明白了。没有谁是能让我相信的了。人们的脑子里想的只有自己的欲望。无休止的欲望，肮脏的欲望。朋友一直告诉我，反反复复的告诉我，不要相信别人，至少不要这么轻易的相信一个人，没有人知道谁的好或者坏。
776. Split BST
bjzhaoxiao的专栏
05-14 1万+
class Solution {public:vector&lt;TreeNode*&gt; splitBST(TreeNode* root, int V) {        vector&lt;TreeNode *&gt; res(2, NULL);        if(root == NULL) return res;                if(root-&gt;val &gt; V...
77组合
jwy2014的专栏
05-26 1万+
给定两个整数n和k，返回 1 ...n中所有可能的k个数的组合。 示例: 输入:n = 4, k = 2 输出: [ [2,4], [3,4], [2,3], [1,2], [1,3], [1,4], ] 最容易想到的应该是回溯，更多题目思路及代码见：https://github.com/CallmeZhouxiaolun/leetcode/tree...
【Android UI】色板
幻影浪子
03-10 7万+
<br />Hex CodeColor#FFFFFF #FFFFCC #FFFF99 #FFFF66 #FFFF33 #FFFF00 #FFCCFF #FFCCCC #FFCC99 #FFCC66 #FFCC33 #FFCC00 #FF99FF #FF99CC #FF9999 #FF9966 #FF9933 #FF9900 #FF66FF #FF66CC #FF6699 #FF6666 #FF6633 #FF6600 #FF33FF #FF33CC #FF3399 #FF3366 #FF3333 #FF33
纯css小黄人
qq_37607451的博客
10-22 1955
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>小黄人</title> <link rel="stylesheet" href="css/xhr.css"> </head> <body> &l...
写给夏燕第十一个男人
xiao7733bb的专栏
06-09 4万+
悲哀，(李旧）是她第十一个男人。她想要什么呢？？？很多男人吗？很多是多少？我是她第十个男人，我原理她了:“说自己以前走的路不可能回头了，叫我不要在过问她以前的事了”。过也两个月后，可还死不改心，还有多少男人被她骗呢？   夏燕（安徽宿松人） 她电话13764996496 15300910532 13917482046   过年回家时，我和夏燕（我第一个女人）认识我不到24小时，就和她发生过关系，还
numpy基础操作指南与实践
总结：以上内容涵盖了numpy库的基本概念、数组创建、基础操作、数学运算以及高级索引等方面的知识点。numpy作为一个强大的数值计算库，掌握上述知识点对于进行科学计算和数据分析至关重要。由于压缩包子文件名称列表...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值