tile函数
在看机器学习实战这本书时,遇到numpy.tile(A,B)函数,愣是没看懂怎么回事,装了numpy模块后,实验了几把,原来是这样子:
重复A,B次,这里的B可以时int类型也可以是远组类型。
- >>> import numpy
- >>> numpy.tile([0,0],5)#在列方向上重复[0,0]5次,默认行1次
- array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
- >>> numpy.tile([0,0],(1,1))#在列方向上重复[0,0]1次,行1次
- array([[0, 0]])
- >>> numpy.tile([0,0],(2,1))#在列方向上重复[0,0]1次,行2次
- array([[0, 0],
- [0, 0]])
- >>> numpy.tile([0,0],(3,1))
- array([[0, 0],
- [0, 0],
- [0, 0]])
- >>> numpy.tile([0,0],(1,3))#在列方向上重复[0,0]3次,行1次
- array([[0, 0, 0, 0, 0, 0]])
- >>> numpy.tile([0,0],(2,3))<span style="font-family: Arial, Helvetica, sans-serif;">#在列方向上重复[0,0]3次,行2次</span>
- array([[0, 0, 0, 0, 0, 0],
- [0, 0, 0, 0, 0, 0]])
zeros函数
zeros:创建3维数组,数值为0
- >>> np.zeros((3,4,5))#
- array([[[ 0., 0., 0., 0., 0.],
- [ 0., 0., 0., 0., 0.],
- [ 0., 0., 0., 0., 0.],
- [ 0., 0., 0., 0., 0.]],
- [[ 0., 0., 0., 0., 0.],
- [ 0., 0., 0., 0., 0.],
- [ 0., 0., 0., 0., 0.],
- [ 0., 0., 0., 0., 0.]],
- [[ 0., 0., 0., 0., 0.],
- [ 0., 0., 0., 0., 0.],
- [ 0., 0., 0., 0., 0.],
- [ 0., 0., 0., 0., 0.]]])
多维数组与矩阵的转换
- >>> arr = np.zeros((1,4,5))#记得维度必须匹配(3,3,3)转换失败
- >>> mat = np.matrix(arr)
数组创建和数据类型
- #!/usr/bin/env python
- #-*-encoding:utf-8-*-
- import numpy as np
- arr = np.arange(10)#创建拥有10个元素的数组
- larr = arr.tolist()#转换list
- arr = np.zeros((1,3,3))#创建n维数组
- mat = np.matrix(arr)#将数组转换为矩阵,矩阵为3*3
- alist = [1, 2, 3]
- np.array(alist)#使用List创建数组
- #创建
- arr = np.arange(100)
- arr = np.arange(10,100)#创建包含10~99数组
- arr = np.linspace(1, 2, 100)#创建包含100个取值范围在1~2之间的数组
- arr = np.logspace(0, 1, 100, base=10)#返回包含100个取值范围在10+[0~1]之间的数组
- cube = np.zeros((5,5,5)).astype(int) + 1 #使用astype设置数据类型
- cube = np.ones((5, 5, 5)).astype(np.float32)#创建3维数组,元素为1
- #通过指定数据类型创建n维数组数组
- arr = np.zeros(2, dtype=int)
- arr = np.zeros(2, dtype=np.float32)
- arr1d = np.arange(1000)#一维数组
- arr3d = arr1d.reshape((10,10,10))#转换为3维数组
- arr3d = np.reshape(arr1d, (10, 10, 10))
- arr4d = np.zeros((10, 10, 10, 10))
- arr1d = arr4d.ravel()#将4维数组转换为1维数组
- recarr = np.zeros((2,), dtype=('i4,f4,a10'))#指定n维数组中每列的数据类型,2*3
- col1 = np.arange(2) + 1
- col2 = np.arange(2, dtype=np.float32)
- col3 = ['Hello', 'World']
- recarr[:]=zip(col1,col2,col3)#按列方式组装
- #为每列命名
- recarr.dtype.names = ('Integers' , 'Floats', 'Strings')<span style="font-size:14px;">
- </span>
索引和切片
- arr[0,1]#访问单个元?
- arr[:,1]#访问第2列
- arr[1,:]#访问第2行
- arr = np.arange(7)
- index = np.where(arr > 2)#查找>2的索引
- new_arr = np.delete(arr, index)#删除index对应的元素
- index = arr > 2 #返回哪些元素>2,[TRUE,FALSE,...]
布尔表达式和数组
- img1 = np.zeros((20, 20)) + 3
- img1[4:-4, 4:-4] = 6
- img1[7:-7, 7:-7] = 9
- index1 = img1 > 2
- index2 = img1 < 6
- compound_index = index1 & index2 #exp1
- compound_index = (img1 > 3) & (img1 < 7) #与expr1含义一样
- img2 = np.copy(img1[compound_index])
- print img2
- index3 = img1 == 9
- index4 = (index1 & index2) | index3
- import numpy.random as rand
- a = rand.random(100)#生成一个容纳100个随机数的数组
- print a
序列化和反序列化
- #预定义数据栏位名称和类型
- table = np.loadtxt('example.txt',dtype='names': ('ID', 'Result', 'Type'),\
- 'formats': ('S4', 'f4', 'i2'))
- np.savetxt('somenewfile.txt')#序列化
- #二进制文件加载,保存
- data = np.empty((1000, 1000))
- np.save('test.npy', data)
- np.savez('test.npz', data)#采用压缩
- newdata = np.load('test.npy')
Max和Min函数
- mat.max(0)#n维数组axis=0维度的最小值,最大值
- mat.min(0)#
- 点击打开链接