Numpy

基本操作

1.导入库：

 import numpy as np

2.创建数组：

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

a = np.array([[11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25],
              [26, 27, 28 ,29, 30],
              [31, 32, 33, 34, 35]])    #创建多维数组
a=np.zeros((2, 3))    #创建两行三列的0填充的矩阵，ones(shape)则是创建1填充的
a=np.linspace(1., 4., 6) #创建1到4之间，共6个元素的等值间距的数组
a=np.arange(起，止，步长)  #创建 从起到至，按步长排列的数组
a= np.indices((3,3))  #创建一个堆叠的更高维度的数组

3.多维数组的切片：

a[行，列]，其中    ：表示全部，a:b表示[a,b）范围，::a 表示步长为a

4.利用属性

.shape 查看几行几列，shape[0]查看行数
.ndim 查看数组的维度
.size查看数组一共多少项数据    
.itemsize占用的字节数
.T 完成转置
.real 获取实部
.imag 获取虚部

5.基本操作符（+、-、*、/）

np中矩阵之间加减乘除是对应元素的+、-、*、/，    【注】一个数组加一个整数，则是对该数组每个元素加该整数，这个过程成为数组的广播
一些特殊的函数计算：
doc()函数，a.doc(b)表示ab矩阵对应元素乘积 求和
sum() #求和
min() #找出最小的元素
max() #找出最大的元素
mean()  返回均值
std()  返回标准方差
var() 返回方差
cumprod() #原数组该位置的前几项元素乘 （累乘数组），可以使用axis指定方向，0表示纵向，1表示横向，默认横向
cumsum() #原数组该位置的前几项元素和 （累加数组）
ptp() 返回最大值减去最小值


where() 函数 #条件函数，传入条件比如a>50这样的条件

mask #布尔屏蔽，可以将这个作为一个条件传入，比如mask=b>0,a[mask]就是大于0的那部分

6.数组操作

.reshape()  完成形状转换
.resize()  完成形状转换，但是会改变所作用的数组，有取代的意思。
.ravel()  将多为数组转换成为一维数组
.flatten()将多维数组转换为一维数组，但这个是拷贝，需要分配内存

.transpose() 转置

hstack()  水平叠加，将两个数组合并，水平方向上合并在一起
vstack() 垂直叠加，将两个数组合并，垂直方向，也就是加到第一个数组下面，构成一个更大的数组
concatenate()，通过设置一个axis值来确定水平叠加还是垂直叠加，axis=0为垂直叠加，1位水平叠加

 hsplit() 纵向拆分
vsplit() 横向拆分 
split() 通过设置axis值来确定纵向还是水平向拆分，axis=0位纵向，1位横向

tolist() 数组转换为list
astype() 数组转换为指定类型

Numpy基础操作笔记

Numpy

基本操作

猜你喜欢