[转载] [转载] python中的Numpy库入门

参考链接： Python中的numpy.ones_like

参考链接： Python中的numpy.full_like

N维数组对象： ndarray引例ndarray对象的属性ndarray数组的元素类型ndarray数组的创建方法从Python中的列表、元组等类型创建ndarray数组使用NumPy中函数创建ndarray数组

ndarray数组的维度变换ndarray数组的类型变换ndarray数组向列表的转换

ndarray数组的操作数组的索引和切片

ndarray数组的运算NumPy一元函数NumPy二元函数

扫描二维码关注公众号，回复： 12287638 查看本文章

N维数组对象： ndarray

引例

>>> import numpy as np

>>> def npSum():

a = np.array([0, 1, 2, 3, 4])

b = np.array([9, 8, 7, 6, 5])

c = a**2 + b**3

return c

>>> print(npSum())

[729 513 347 225 141]

ndarray对象的属性

属性说明.ndim秩，即轴的数量或维度的数量.shapendarray对象的尺度，对于矩阵，n行m列.sizendarray对象元素的个数，相当于.shape中n*m的值.dtypendarray对象的元素类型.itemsizendarray对象中每个元素的大小，以字节为单位

>>> import numpy as np

>>> a = np.array([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]])

>>> a.ndim

>>> a.shape

(2, 5)

>>> a.size

>>> a.dtype

dtype('int32')

>>> a.itemsize

ndarray数组的元素类型

数据类型说明bool布尔类型，True或Falseintc与C语言中的 int 类型一致，一般是int32或int64intp用于索引的整数，与C语言中 ssize_t 一致，int32或int64int8字节长度的整数，取值：

[

‐

128

127

]

[‐128, 127]

[‐128,127]int1616位长度的整数，取值：

[

‐

32768

32767

]

[‐32768, 32767]

[‐32768,32767]int3232位长度的整数，取值：

[

‐

]

[‐2^{31}, 2^{31}‐1]

[‐231,231‐1]int6464位长度的整数，取值：

[

‐

]

[‐2^{63}, 2^{63}‐1]

[‐263,263‐1]uint88位无符号整数，取值：

[

255

]

[0, 255]

[0,255]uint1616位无符号整数，取值：

[

65535

]

[0, 65535]

[0,65535]uint3232位无符号整数，取值：

[

‐

]

[0, 2^{32}‐1]

[0,232‐1]uint6432位无符号整数，取值：

[

‐

]

[0, 2^{64}‐1]

[0,264‐1]float1616位半精度浮点数：1位符号位，5位指数，10位尾数float3232位半精度浮点数：1位符号位，8位指数，23位尾数float6464位半精度浮点数：1位符号位，11位指数，52位尾数complex64复数类型，实部和虚部都是32位浮点数complex128复数类型，实部和虚部都是64位浮点数

ndarray数组的创建方法

从Python中的列表、元组等类型创建ndarray数组

>>> import numpy as np

>>> x = np.array([ [1,2], [9,8], (0.1,0.2) ])

>>> print(x)

[[1. 2. ]

[9. 8. ]

[0.1 0.2]]

使用NumPy中函数创建ndarray数组

函数说明np.arange(n)类似range()函数，返回ndarray类型，元素从0到n‐1np.ones(shape)根据shape生成一个全1数组，shape是元组类型np.zeros(shape)根据shape生成一个全0数组，shape是元组类型np.full(shape,val)根据shape生成一个数组，每个元素值都是valnp.eye(n)创建一个正方的 n*n 单位矩阵，对角线为1，其余为0np.ones_like(a)根据数组a的形状生成一个全1数组np.zeros_like(a)根据数组a的形状生成一个全0数组np.full_like(a,val)根据数组a的形状生成一个数组，每个元素值都是valnp.linspace()根据起止数据等间距地填充数据，形成数组np.concatenate()将两个或多个数组合并成一个新的数组

>>> import numpy as np

>>> print(np.arange(5))

[0 1 2 3 4]

>>> print(np.ones((2,3)))

[[1. 1. 1.]

[1. 1. 1.]]

>>> print(np.zeros((1,5)))

[[0. 0. 0. 0. 0.]]

>>> print(np.full((3,3),8.6))

[[8.6 8.6 8.6]

[8.6 8.6 8.6]

[8.6 8.6 8.6]]

>>> print(np.eye(3))

[[1. 0. 0.]

[0. 1. 0.]

[0. 0. 1.]]

>>> a = np.linspace(1, 10, 4)

>>> a

array([ 1., 4., 7., 10.])

>>> b = np.linspace(1, 10, 4, endpoint=False)

>>> b

array([1. , 3.25, 5.5 , 7.75])

>>> c = np.concatenate((a,b))

>>> c

array([ 1. , 4. , 7. , 10. , 1. , 3.25, 5.5 , 7.75])

ndarray数组的维度变换

方法说明.reshape(shape)不改变数组元素，返回一个shape形状的数组，原数组不变.resize(shape)与.reshape()功能一致，但修改原数组.swapaxes(ax1,ax2)将数组n个维度中两个维度进行调换.flatten()对数组进行降维，返回折叠后的一维数组，原数组不变

>>> a = np.ones((2,3,4), dtype=np.int32)

>>> a

array([[[1, 1, 1, 1],

[1, 1, 1, 1],

[1, 1, 1, 1]],

[[1, 1, 1, 1],

[1, 1, 1, 1],

[1, 1, 1, 1]]])

>>> a.reshape(3,8)

array([[1, 1, 1, 1, 1, 1, 1, 1],

[1, 1, 1, 1, 1, 1, 1, 1],

[1, 1, 1, 1, 1, 1, 1, 1]])

>>> a.resize(3,8)

>>> a

array([[1, 1, 1, 1, 1, 1, 1, 1],

[1, 1, 1, 1, 1, 1, 1, 1],

[1, 1, 1, 1, 1, 1, 1, 1]])

>>> a.flatten()

array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1])

>>> a.swapaxes(0,1)

array([[1, 1, 1],

[1, 1, 1],

[1, 1, 1]])

ndarray数组的类型变换

new_a = a.astype(new_type)

注：astype()方法一定会创建新的数组（原始数据的一个拷贝），即使两个类型一致

>>> a = np.ones((2,3,4), dtype=np.int32)

>>> a

array([[[1, 1, 1, 1],

[1, 1, 1, 1],

[1, 1, 1, 1]],

[[1, 1, 1, 1],

[1, 1, 1, 1],

[1, 1, 1, 1]]])

>>> b = a.astype(np.float)

>>> b

array([[[1., 1., 1., 1.],

[1., 1., 1., 1.],

[1., 1., 1., 1.]],

[[1., 1., 1., 1.],

[1., 1., 1., 1.],

[1., 1., 1., 1.]]])

ndarray数组向列表的转换

ls = a.tolist()

ndarray数组的操作

数组的索引和切片

一维数组的索引和切片：与Python的列表类似多维数组的索引：多维数组的切片

ndarray数组的运算

NumPy一元函数

函数说明np.abs(x) np.fabs(x)计算数组各元素的绝对值np.sqrt(x)计算数组各元素的平方根np.square(x)计算数组各元素的平方np.log(x) np.log10(x) np.log2(x)计算数组各元素的自然对数、10底对数和2底对数np.ceil(x) np.floor(x)计算数组各元素的ceiling值或floor值np.rint(x)计算数组各元素的四舍五入值np.modf(x)将数组各元素的小数和整数部分以两个独立数组形式返回np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x)计算数组各元素的普通型和双曲型三角函数np.exp(x)计算数组各元素的指数值np.sign(x)计算数组各元素的符号值，

(

)

‐

(

‐

)

1(+), 0, ‐1(‐)

1(+),0,‐1(‐)

NumPy二元函数

函数说明+ ‐ * / **两个数组各元素进行对应运算np.maximum(x,y) = np.fmax() ；np.minimum(x,y) = np.fmin()元素级的最大值/最小值计算np.mod(x,y)元素级的模运算np.copysign(x,y)将数组y中各元素值的符号赋值给数组x对应元素> < >= <= == !=算术比较，产生布尔型数组

[转载] [转载] python中的Numpy库入门

猜你喜欢