导入Numpy库，约定熟成的导入方式为 import numpy as np:
1 import numpy as np
2
3 print(np.__version__)
|
创建数组：
创建常规数组，测试numpy的属性，如：ndim、shape、itemsize、size、data
1 arr_test = np.array([1, 2], dtype='f4')
2 print(arr_test)
3
4 arr_three = np.array(
5 [
6 [
7 [1.2, 3.4, 5],
8 [0.6, 0.9, 2.6]
9
10 ],
11 [
12 [3.4, 5.6, 8.3],
13 [2.0, 3.6, 5.3]
14 ]
15 ]
16 )
17 print("数组的维数：", arr_three.ndim)
18 print("数组的形状：", arr_three.shape)
19 print("数组每个元素占几个字节：", arr_three.itemsize)
20 print("数组的大小，即元素个数：", arr_three.size)
21 print("数组的缓冲区对象：", arr_three.data)
22 print(arr_three)
[1. 2.] [[3.4 5.6 8.3] |
使用方法创建常见数组：如 zeros、ones、empty、zeros_like、ones_like、empty_like 等
1 arr_ones = np.ones((3, 3)) # ones(shape, dtype=None, order='C') 2 print(arr_ones) 3 arr_zero = np.zeros((3, 3), dtype='i8') 4 print(arr_zero) 5 arr_empty = np.empty((3, 3)) 6 print(arr_empty) 7 print(arr_empty[0]) 8 # 这里默认分配了全一数组，还需要初始化 9 print("="*40) 10 arr_zeros_like = np.zeros_like(arr_three) # zeros_like(a, dtype=None, order='K', subok=True) 11 arr_ones_like = np.ones_like(arr_zero, dtype='i8') 12 arr_empty_like = np.empty_like(arr_zero) # 按照arr_zero的大小对应生成一个空的数组 13 print(arr_zeros_like, '\n', arr_ones_like, '\n', arr_empty_like) [[1. 1. 1.] [[0. 0. 0.] |
创建一个序列数组：方法有：arange、logspace 等
1 # 生成数值序列的数组，类似于python中的range
2 n_1 = np.arange(0, 10) # arange(start=None, stop=None, step=None, dtype=None)
3 print(n_1) # stop是取不到的，牢记左闭右开
4 n_2 = np.arange(0, 10, .6)
5 print(n_2)
6 n_3 = np.linspace(0, 10, 5) # 等差数组linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
7 print(n_3)
8 n_4 = np.logspace(0, 10, 5) # 表示10^0到10^10之间等比的取5个数。logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
9 print(n_4) # 等比数组
10 n_5 = np.logspace(0, 1, 5, base=2) # 表示2^0到2^1之间等比的取5个数。base=np.e 表示以e为低。
11 print(n_5)
12 # 将列表转化为数组
13 a_list = [1, 2, 3]
14 a_arr = np.array(a_list)
15 print(type(a_arr))
[0 1 2 3 4 5 6 7 8 9] |
随机数生成：
1 arr_random = np.random.random(3)
2 print(arr_random, type(arr_random))
3 arr_randint = np.random.randint(2)
4 print(arr_randint, type(arr_randint))
5 # 注意np.random里面有很多随机数生成的方法，如卡方分布，伽马分布等等
Out[5]:
[0.45389402 0.29585506 0.17442431] <class 'numpy.ndarray'>
1 <class 'int'>
数组生成方法 np.tile(A, reps) :
1 # 根据一个数组a，生成一个全a的新数组 2 a = np.arange(0, 10, 3) 3 print(a) 4 b = np.tile(a, (2, 2)) # tile(A, reps) 5 print(b)
Out[6]:
[0 3 6 9]
[[0 3 6 9 0 3 6 9]
[0 3 6 9 0 3 6 9]]
上面的结果用红色进行了区分，很明显如果将0 3 6 9看作一个整体，那么数组是的2*2的一个2维数组。
将字符串、bytes数据导入数组：
1 # 导入字符串、bytes数据
2 print(np.fromstring("abcdef", dtype=np.int8))
3 s = b"abcdef"
4 arr_s = np.frombuffer(s, dtype=np.int8)
5 print(arr_s, type(arr_s)) # 输出的是对应的ascii值组成的一维数组
|
从文件中导入数据用：np.fromfile()，经测试很不好用，以后再看有上面更好的方法。
根据矩阵的行号列号生成矩阵的元素，方法为 np.fromfunction()：
def func(i, j):
return i + j
test = np.fromfunction(func, (3, 3)) # fromfunction(function, shape, **kwargs)
print(test)
Out[8]:
[[0. 1. 2.]
[1. 2. 3.]
[2. 3. 4.]]
|