三 ndarray 数据基本操作


ndarray 数据基本操作

  (1)数组与标量、数组之间的运算

  (2)数组的矩阵积(matrix product)

  (3)数组的索引与切片

  (4)数组的转置与轴对换

  (5)通用函数:快速的元素级数组成函数

  (6)聚合函数

  (7)np.where函数

  (8)np.unique函数


 (1)数组与标量的运算

arr1=np.random.random((2,3))

arr2=np.random.random((2,3))

arr3=np.random.random((3,2))

print(arr1)

# 加减乘除、乘方

print(arr1*2)

print()

print(arr1+2)

print()

print(arr1-2)

print()

print(arr1/2)

print()

print(arr1**2)



(2)数组与数组的运算

# 加减乘除、乘方、数组的矩阵积

# 两个二维矩阵(行和列的矩阵)满足第一个矩阵的列数与第二个矩阵的行数相同,

# 那么可以进行矩阵的乘法,即矩阵积,矩阵积不是元素级的运算。也称为点积、数量积。

print(arr1+arr2)

print()

print(arr1-arr2)

print()

print(arr1*arr2)

print()

print(arr1/arr2)

print()

print(arr1**arr2)

print()

print(arr1.dot(arr3))



 (3)数组的索引与切片

# 定义一个3*3*3的数组

arr3=np.array([

    [[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]]

])

# 索引

print(arr3)

print("# # # # # # #arr3[0]# # # # # # # # # # # # # # ")

print(arr3[0])

print("# # # # # # #arr3[1] # # # # # # # # # # # # # ")

print(arr3[1])

print("# # # # # # # arr3[2] # # # # # # # # # # # # # # ")

print(arr3[2])

print("# # # # # # # arr3[0][0] # # # # # # # # # # # # # # ")

print(arr3[0][0])

print("# # # # # # # arr3[0][1] # # # # # # # # # # # # # # ")

print(arr3[0][1])

print("# # # # # # # arr3[0][2]# # # # # # # # # # # # # # ")

print(arr3[0][2])

print("# # # # # # # arr3[0][2][0] # # # # # # # # # # # # # # ")

print(arr3[0][2][0])

print("# # # # # # # arr3[0][2][1]# # # # # # # # # # # # # # ")

print(arr3[0][2][1])

print("# # # # # # # arr3[0][2][2]# # # # # # # # # # # # # # ")

print(arr3[0][2][2])

# 切片,,,在各维度上单独切片,如果纬度都保留,则使用冒号,不指定起始值

print("# # # # # # # arr3[0,:,0:2]# # # # # # # # # # # # # # ")

print(arr3[0,:,0:2])

print("# # # # # # # arr3[1,:,0:2]# # # # # # # # # # # # # # ")

print(arr3[1,:,0:2])

print("# # # # # # # arr3[2,:,0:2]# # # # # # # # # # # # # # ")

print(arr3[2,:,0:2])

print("# # # # # # # arr3[:,:,0:2]# # # # # # # # # # # # # # ")

print(arr3[:,:,0:2])

print("# # # # # # # arr3[:,0,0:2]# # # # # # # # # # # # # # ")

print(arr3[:,0,0:2])

print("# # # # # # # arr3[:,1,0:2]# # # # # # # # # # # # # # ")

print(arr3[:,1,0:2])

print("# # # # # # # arr3[:,2,0:2]# # # # # # # # # # # # # # ")

print(arr3[:,2,0:2])



ndarray-布尔类型索引

#  利用布尔类型的数组进行数据索引,最终返回的结果是对应索引数组中数据为True位置的值。

# numpy中不能使用Python中and、or、not,使用&(与)、|(或)、~(非)

arr6=np.random.random((3,4))

print(arr6)

print("# # # # # # ## #arr6>0.5得到的布尔值,为真则取该位置的值,否则就舍去 # # # # # # # # # ")

# A=arr6<0.5

A=arr6>0.5

print(A)

print("# # # # # # ## # # # # # #将对应的布尔值转换为一维数组 # # # # # # # # # # # # # # ## # ")

# 装换成一维数组

arr7=arr6[A]

print(arr7)

print(arr7.shape)



# 利用布尔值进行索引的一个应用实例

names=np.array(['Gerry','Tom','John'])

scores=np.array([

    [98,87,86,95],

    [48,84,84,45],

    [58,7,81,95]

])

class1=np.array(['语文','数学','英语','科学'])

print("Gerry score is:",scores[names=='Gerry'].reshape((-1)))

print("Gerry score is:",scores[names=='Gerry'].reshape((-1))[class1=='数学'])

print("Gerry和Tom的成绩")

print(scores[(names=='Gerry')|(names=='Tom')])

print("非Gerry和Tom的成绩")

print(scores[(names!='Gerry')&(names!='Tom')])

print("成绩大于90的全部输出")

print(scores[scores>90])



 ndarray-花式索引:指的是利用整数数组进行索引的方式。

arr7=np.arange(40).reshape(5,8)

print(arr7)

print("获取第0、3、5行的数据")

print(arr7[[0,2,4]])

print("获取第(0,0)、(3,0)、(4,2)的数据")

print(arr7[[0,3,4],[0,0,2]])

print("获取第0、3、5行的第0、2、3列数据")

print(arr7[[0,3,4]].T[[0,1,2]].T)

print("ix_会产生一个索引器")

print(arr7[np.ix_([0,3,4],[0,1,2])])



# ndarray-花式索引:指的是利用整数数组进行索引的方式。

arr7=np.arange(40).reshape(5,8)

print(arr7)

print("获取第0、3、5行的数据")

print(arr7[[0,2,4]])

print("获取第(0,0)、(3,0)、(4,2)的数据")

print(arr7[[0,3,4],[0,0,2]])

print("获取第0、3、5行的第0、2、3列数据")

print(arr7[[0,3,4]])

print("##################")

print(arr7[[0,3,4]].T)

print("##################")

print(arr7[[0,3,4]].T[[0,1,2]])

print("##################")

print(arr7[[0,3,4]].T[[0,1,2]].T)

print("ix_会产生一个索引器")

print(arr7[np.ix_([0,3,4],[0,1,2])])



 ndarray-数组转置与轴对换

# 数组转置是指将shape进行重置操作,并将其值重置为原始shape元组的倒置,

# 比如原始的shape值为:(2,3,4),那么转置后的新元组的shape的值为: (4,3,2)f

# 可以通过调用数组的transpose函数或者T属性进行数组转置操作

arr=np.random.random(30).reshape(3,5,2)

print(arr)

print("#############################################")

arr1=arr.T

print(arr1)

print("#############################################")

arr2=np.transpose(arr1)

print(arr2)



ndarray-通用函数/常用函数

numpy模块中对ndarray中数据进行快速元素级运算的函数,也可以看做是简单的函数(接受一个或多个标量值,并产生一个或多个标量值)的矢量化包装器。主要包括一元函数和二元函数。



一元函数

arr3=np.array([

    [1,2,-3],

    [0.1,0.6,-0.4]

])

print(arr3)

print("#############################################")

# abs fabs计算绝对值

print(np.abs(arr3))

print("#############################################")

# sqrt 计算各元素的平方根

print(np.sqrt(abs(arr3)))

print("#############################################")

# square计算各元素的评分:arr3**2

print(np.square(arr3))

print("#############################################")

# exp计算各元素指数e的x次方

print(np.exp(arr3))

print("#############################################")

# log2、log10分别计算底数为10、2的log值,以及log(1+x)

print(np.log10(abs(arr3)))

print(np.log2(abs(arr3)))

print(np.log1p(abs(arr3)))

print("#############################################")

# sign计算各个元素的正负号,1:正号  0:0  -1:负号

print(np.sign(arr3))

print("#############################################")

# ceil 计算各个元素的ceil值,大于等于该值的最小整数

print(np.ceil(arr3))

print("#############################################")

# floor 计算各个元素的floor的值,小于等于该值的最大整数

print(np.floor(arr3))

print("#############################################")

# rint 将各个元素的四书五入到最接近的整数

print(np.rint(arr3)

print("#############################################")

# modf 将数组中元素的小数位和整数位以两部分独立数组的形式返回

print(np.modf(arr3))

print("#############################################")

# isnan 返回一个表示“那些值是NaN(不是一个数字)”的布尔类型数组

print(np.isnan(arr3))

print("#############################################")

# isfinite、isinf  分别一个表示”那些元素是有穷的(非inf、非NaN)”或者“那些元素是无穷的”的布尔型数组

print(np.isfinite(arr3))

print(np.isinf(arr3))

print("#############################################")

# cos、cosh、sin、sinh、tan、tanh  普通以及双曲型三角函数

print(np.tan(arr3))

print("#############################################")

# arccos、arccosh、arcsin、arcsinh、arctan、arctanh 反三角函数

print(np.arctan(arr3))



 二元函数

arr4=np.array([

    [1,0,-3],

    [0.1,0.6,-0.4]

])

arr5=np.array([

    [2,-5,8],

    [-0.1,-0.6,0.4],

])

arr6=np.array([

    [2,-5,8],

    [-0.1,-0.6,0.4],

    [-0.1,-0.6,0.4]

])

print("#############################################")

# mod 取模运算,做除法运算之后的余数

print(np.mod(arr4,arr5))

print("#############################################")

# dot 求两个数组的点积

print(np.dot(arr4,arr6))

print("#############################################")

# greater(大于)、greater_equal(大于等于)、less(小于)、less_equal(小于等于)、equal(等于)、not_equal(不等于)

# 执行元素级别的比较运算,最终返回一个布尔型数组

print(np.greater(arr4,arr5))

print("#############################################")

# logical_and、logical_or、logical_xor

# 执行元素级别的布尔逻辑运算,相当于中缀运算符&、|、^

print(np.logical_and(arr4,arr5))

print(np.logical_xor(arr4,arr5))

print("#############################################")

# power 求解对数组中的每个元素进行给定次数的指数值,类似于: arr ** 3

print(np.power(arr3,4))



 ndarray-聚合函数

 聚合函数是对一组值(eg一个数组)进行操作,返回一个单一值作为结果的函数。

 当然聚合函数也可以指定对某个具体的轴进行数据聚合操作;

#常将的聚合操作有:平均值mean、最大值max、最小值min、方差std等等

arr7=np.array([

    [2,-5,8],

    [-0.1,-0.6,0.4],

    [-0.1,-0.6,0.4]

])

print(np.mean(arr7))

print(np.max(arr7))

print(np.min(arr7))

print(np.std(arr7))



 np.where函数

# np.where函数是三元表达式x if condition else y的矢量化版本

arr8=np.array([2,7,8])

arr9=np.array([-0.1,-0.6,0.4])

condition=arr8>arr

result=np.where(condition,arr8,arr9)

print(result)

np.unique函数

# np.unique函数的主要作用是将数组中的元素进行去重操作(也就是只保存不重复的数据)

arr10=np.array(["Python","Python","java"])

print(arr10)

print(np.unique(arr10))

图像基础操作是计算机视觉和图像处理领域中的一个重要部分,涉及到图像的读取、显示、保存、转换和各种图像处理技术。`type(img)`和`ndarray`是在Python中使用NumPy库进行图像操作时经常会用到的概念。 `type(img)`是用来判断图像数据类型的函数调用。在使用图像处理库如OpenCV或PIL时,`img`通常是一个包含图像数据的变量。`type(img)`将返回该变量的数据类型。在处理图像时,`type(img)`返回的结果通常会是`numpy.ndarray`,这是因为NumPy库中的数组(ndarray)是处理图像数据的常用数据结构,它提供了高效的数组操作功能。 `ndarray`是NumPy库中的n维数组对象,它是一种快速、灵活并且功能丰富的数组结构,非常适合用来存储和操作图像数据。图像可以被表示为二维(灰度图)或维(彩色图)的数组,其中每个元素代表一个像素的值。 在Python中,使用图像库如OpenCV读取图像后,图像数据通常会被存储在一个`ndarray`中,可以通过索引和切片操作访问和修改像素值。例如,使用`cv2.imread()`函数读取图像,返回的就是一个`ndarray`类型的图像对象。 以下是一些基本的图像操作示例: 1. 读取图像: ```python import cv2 img = cv2.imread('image.jpg') ``` 2. 显示图像: ```python cv2.imshow('Image', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 3. 保存图像: ```python cv2.imwrite('output.jpg', img) ``` 4. 获取图像的宽度、高度和通道数: ```python height, width, channels = img.shape ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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