一、數(shù)據(jù)生成

1.1 手寫數(shù)組

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]) # 一維數(shù)組
b = np.array([[1, 2], [3, 4]]) #二維數(shù)組

1.2 序列數(shù)組

numpy.arange(start, stop, step, dtype)，start默認(rèn)0，step默認(rèn)1

c = np.arange(0, 10, 1, dtype=int)  # =np.arange(10)  [0 1 2 3 4 5 6 7 8 9]
d = np.array([np.arange(1, 3), np.arange(4, 6)])  # 二維數(shù)組
# 不過為了避免麻煩，通常序列二維數(shù)組都是通過reshape進(jìn)行重新組織
dd = c.reshape(2, 5)  # 將一維數(shù)組重新組合成2行5列

1.3 隨機(jī)數(shù)組

numpy.random.random(size=None) 該方法返回[0.0, 1.0)范圍的隨機(jī)小數(shù)。
numpy.random.randint() 該方法返回[low, high)范圍的隨機(jī)整數(shù)。
該方法有三個(gè)參數(shù)low、high、size 三個(gè)參數(shù)。默認(rèn)high是None,如果只有l(wèi)ow，那范圍就是[0,low)。如果有high，范圍就是[low,high)
numpy.random.randn(d0,d1,…,dn) 該方法返回一個(gè)或一組樣本，具有正態(tài)分布
np.random.normal 指定期望和方差的正太分布

e = np.random.random(size=2)  # 一維數(shù)組，元素兩個(gè)，[0.0,1.0]的隨機(jī)數(shù)
f = np.random.random(size=(2, 3))  # 兩行三列數(shù)組，[0.0,1.0]的隨機(jī)數(shù)

h = np.random.randint(10, size=3)  # [0,10]范圍內(nèi)的一行三列隨機(jī)整數(shù)
i = np.random.randint(5, 10, size=(2, 3))  # [5,10]范圍內(nèi)的2行3列隨機(jī)整數(shù)

1.4 其他方式數(shù)組

numpy.zeros 創(chuàng)建指定大小的數(shù)組，數(shù)組元素以0 來填充
numpy.ones 創(chuàng)建指定形狀的數(shù)組，數(shù)組元素以1 來填充
numpy.empty 創(chuàng)建一個(gè)指定形狀（shape）、數(shù)據(jù)類型（dtype）且未初始化的數(shù)組，里面的元素的值是之前內(nèi)存的值
np.linspace 創(chuàng)建一個(gè)一維數(shù)組，數(shù)組是一個(gè)等差數(shù)列構(gòu)成的
numpy.logspace 創(chuàng)建一個(gè)于等比數(shù)

j = np.zeros((2, 5))
k = np.ones((2, 5))
l = np.linspace(1, 20, 10)

二、數(shù)組屬性查看

ndarray.ndim
darray.shape 數(shù)組的維度和列，對(duì)于矩陣，n 行m 列
ndarray.size 數(shù)組元素的總個(gè)數(shù)，相當(dāng)于.shape 中n*m 的值
ndarray.dtype ndarray 對(duì)象的元素類型
ndarray.itemsize ndarray 對(duì)象中每個(gè)元素的大小，以字節(jié)為單位
ndarray.flags ndarray 對(duì)象的內(nèi)存信息
ndarray.real ndarray 元素的實(shí)部
ndarray.imag ndarray 元素的虛部
ndarray.data 包含實(shí)際數(shù)組元素的緩沖區(qū)，由于一般通過數(shù)組的索引獲取元素，所以通常不需要使用這個(gè)屬性。

print('ndim:數(shù)組的秩（維度）'.center(20, '*'))
print('ndim:', i.shape[1])

三、數(shù)組索引

x = np.arange(1, 13) # 一維數(shù)組
a = x.reshape(4, 3) # 二維數(shù)組
print(‘x:', x)
print(‘a(chǎn):', a)

3.1 一維數(shù)組的索引

print(x[2:])
print(x[3:8])

3.2 二維數(shù)組的索引

print(a[0])  # 第一行
print(a[2, 2])  # 第三行第4列
print(a[:, 2])
print(a[::2, 0])  # 所有奇數(shù)行第1列數(shù)據(jù)
print(a[(2, 1), (1, 2)])  # 第3行第2列，第2行第3列   = np.array((a[2,1],a[1,2]))取出來后在重新生成新的數(shù)組
print(a[-2])  # 獲取倒數(shù)第二行
print(a[::-1])  # 行倒序
print(a[::-1, ::-1])  # 行列倒序

四、數(shù)組的方法

4.1 改變數(shù)組維度

reshape將一維數(shù)組變成二維或者三維
ravel將三維數(shù)組變成一維數(shù)組，flatten將二維數(shù)組變成一維數(shù)組

4.2 數(shù)組拼接

使用numpy.hstack(a1,a2) 函數(shù)將兩個(gè)數(shù)組水平組合
numpy.vstack(a1,a2) 函數(shù)可以將兩個(gè)或多個(gè)數(shù)組垂直組合起來形成一個(gè)數(shù)組
使用numpy.concatenate((a1, a2, …), axis),控制axis參數(shù)的值也可以實(shí)現(xiàn)hstack和vstack的功能，axis=0等同于vstack、axis=1等同于hstack

4.3 數(shù)組分隔

b = np.split(x, 4)  # 將一個(gè)一維數(shù)組四等分, 用b[1]的方式獲取每個(gè)塊的數(shù)據(jù)
# print(b[1])
c = np.split(a, 2, axis=0)  # 二維數(shù)組的垂直分隔，按行分隔成兩部分
# print(c[0])
d = np.split(a, [2], axis=1)  # 二維數(shù)組的水平分隔，按列分隔成兩部分
# print(d[0])

4.4 算術(shù)運(yùn)算

加減乘除: add()，subtract()，multiply() 和divide()
np.sum() 求和
np.prod() 所有元素相乘
np.mean() 平均值
np.std() 標(biāo)準(zhǔn)差
np.var() 方差
np.median() 中數(shù)
np.power() 冪運(yùn)算
np.sqrt() 開方
np.min() 最小值
np.max() 最大值
np.argmin() 最小值的下標(biāo)
np.argmax() 最大值的下標(biāo)
np.inf 無窮大
np.exp(10) 以e 為底的指數(shù)
np.log(10) 對(duì)數(shù)

到此這篇關(guān)于Python基礎(chǔ)之Numpy的基本用法詳解的文章就介紹到這了,更多相關(guān)Python Numpy用法內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論