Numpy的简单用法小结


Posted in Python onAugust 28, 2019

Numpy的简单用法,下面就一起来了解一下

import numpy as np

一、创建ndarray对象

列表转换成ndarray:

>>> a = [1,2,3,4,5]
>>> np.array(a)
array([1, 2, 3, 4, 5])

取随机浮点数

>>> np.random.rand(3, 4)
array([[ 0.16215336, 0.49847764, 0.36217369, 0.6678112 ],
    [ 0.66729648, 0.86538771, 0.32621889, 0.07709784],
    [ 0.05460976, 0.3446629 , 0.35589223, 0.3716221 ]])

取随机整数

>>> np.random.randint(1, 5, size=(3,4))
array([[2, 3, 1, 2],
    [3, 4, 4, 4],
    [4, 4, 4, 3]])

取零

>>> np.zeros((3,4))
array([[ 0., 0., 0., 0.],
    [ 0., 0., 0., 0.],
    [ 0., 0., 0., 0.]])

取一

>>> np.ones((3,4))
array([[ 1., 1., 1., 1.],
    [ 1., 1., 1., 1.],
    [ 1., 1., 1., 1.]])

取空(最好别用,了解一下,版本不同返回值不一样)

>>> np.empty((3,4))
array([[ 1., 1., 1., 1.],
    [ 1., 1., 1., 1.],
    [ 1., 1., 1., 1.]])

取整数零或一

>>> np.ones((3,4),int)
array([[1, 1, 1, 1],
    [1, 1, 1, 1],
    [1, 1, 1, 1]])

>>> np.zeros((3,4),int)
array([[0, 0, 0, 0],
    [0, 0, 0, 0],
    [0, 0, 0, 0]])

仿range命令创建ndarray:

>>> np.arange(2,10,2) # 开始,结束,步长
array([2, 4, 6, 8])

二、ndarray属性的查看和操作:

看ndarray属性:

>>> a = [[1,2,3,4,5],[6,7,8,9,0]]
>>> b = np.array(a)
>>> b.ndim #维度个数(看几维)
2
>>> b.shape #维度大小(看具体长宽)
(5,2)
>>>b.dtype
dtype('int32')

ndarray创建时指定属性:

>>> np.array([1,2,3,4,5],dtype=np.float64)
array([ 1., 2., 3., 4., 5.])

>>> np.zeros((2,5),dtype=np.int32)
array([[0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0]])

属性强转:

>>> a = np.array([1,2,3,4,5],dtype=np.float64)
>>> a
array([ 1., 2., 3., 4., 5.])

>>> a.astype(np.int32)
 array([1, 2, 3, 4, 5])

三、简单操作:

批量运算:

>>> a = np.array([1,2,3,4,5],dtype=np.int32)
>>> a
array([1, 2, 3, 4, 5])

>>> a + a
array([ 2, 4, 6, 8, 10])

>>> a * a
array([ 1, 4, 9, 16, 25])

>>> a - 2
array([-1, 0, 1, 2, 3])

>>> a / 2
array([ 0.5, 1. , 1.5, 2. , 2.5])

#等等

改变维度:

>>> a = np.array([[1,2,3,4,5],[6,7,8,9,0]],dtype=np.int32)
>>> a
array([[1, 2, 3, 4, 5],
    [6, 7, 8, 9, 0]])

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

矩阵转换(和改变维度有本质区别,仔细):

>>> a = np.array([[1,2,3,4,5],[6,7,8,9,0]],dtype=np.int32)
>>> a
array([[1, 2, 3, 4, 5],
    [6, 7, 8, 9, 0]])

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

打乱(只能打乱一维):

>>> a = np.array([[1,2],[3,4],[5,6],[7,8],[9,0]],dtype=np.int32)
>>> a
array([[1, 2],
    [3, 4],
    [5, 6],
    [7, 8],
    [9, 0]])
    
>>> np.random.shuffle(a)
>>> a
array([[9, 0],
    [1, 2],
    [7, 8],
    [5, 6],
    [3, 4]])

四、切片和索引:

一维数组(和普通列表一样):

>>> a = np.array(range(10))
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

>>> a[3]
3

>>> a[2:9:2]
array([2, 4, 6, 8])

多维数组(也差不了多少):

>>> a = np.array([[1,2,3,4,5],[6,7,8,9,0],[11,12,13,14,15]],dtype=np.int32)

>>> a
array([[ 1, 2, 3, 4, 5],
    [ 6, 7, 8, 9, 0],
    [11, 12, 13, 14, 15]])
   

>>> a[:, 1:4]
array([[ 2, 3, 4],
    [ 7, 8, 9],
    [12, 13, 14]])

条件索引:

>>> a = np.array([[1,2,3,4,5],[6,7,8,9,0],[11,12,13,14,15]],dtype=np.int32)

>>> a
array([[ 1, 2, 3, 4, 5],
    [ 6, 7, 8, 9, 0],
    [11, 12, 13, 14, 15]])
   

>>> a > 5
array([[False, False, False, False, False],
    [ True, True, True, True, False],
    [ True, True, True, True, True]], dtype=bool)

>>> a[a>5]
array([ 6, 7, 8, 9, 11, 12, 13, 14, 15])

>>> a%3 == 0
Out[128]: 
array([[False, False, True, False, False],
    [ True, False, False, True, True],
    [False, True, False, False, True]], dtype=bool)

>>> a[a%3 == 0]
array([ 3, 6, 9, 0, 12, 15])

五、函数(numpy核心知识点)

计算函数(都不想举例了,太简单。。):

np.ceil(): 向上最接近的整数,参数是 number 或 array
np.floor(): 向下最接近的整数,参数是 number 或 array
np.rint(): 四舍五入,参数是 number 或 array
np.isnan(): 判断元素是否为 NaN(Not a Number),参数是 number 或 array
np.multiply(): 元素相乘,参数是 number 或 array
np.divide(): 元素相除,参数是 number 或 array
np.abs():元素的绝对值,参数是 number 或 array
np.where(condition, x, y): 三元运算符,x if condition else y
>>> a = np.random.randn(3,4)
>>> a
array([[ 0.37091654, 0.53809133, -0.99434523, -1.21496837],
    [ 0.00701986, 1.65776152, 0.41319601, 0.41356973],
    [-0.32922342, 1.07773886, -0.27273258, 0.29474435]])

>>> np.ceil(a)   
array([[ 1., 1., -0., -1.],
    [ 1., 2., 1., 1.],
    [-0., 2., -0., 1.]])


>>> np.where(a>0, 10, 0)
array([[10, 10, 0, 0],
    [10, 10, 10, 10],
    [ 0, 10, 0, 10]])

统计函数

np.mean():所有元素的平均值
np.sum():所有元素的和,参数是 number 或 array
np.max():所有元素的最大值
np.min():所有元素的最小值,参数是 number 或 array
np.std():所有元素的标准差
np.var():所有元素的方差,参数是 number 或 array
np.argmax():最大值的下标索引值,
np.argmin():最小值的下标索引值,参数是 number 或 array
np.cumsum():返回一个一维数组,每个元素都是之前所有元素的累加和
np.cumprod():返回一个一维数组,每个元素都是之前所有元素的累乘积,参数是 number 或 array
>>> a = np.arange(12).reshape(3,4).transpose()
>>> a
array([[ 0, 4, 8],
    [ 1, 5, 9],
    [ 2, 6, 10],
    [ 3, 7, 11]])

>>> np.mean(a)
5.5

>>> np.sum(a)
66

>>> np.argmax(a)
11

>>> np.std(a)
3.4520525295346629

>>> np.cumsum(a)
array([ 0, 4, 12, 13, 18, 27, 29, 35, 45, 48, 55, 66], dtype=int32)

判断函数:

np.any(): 至少有一个元素满足指定条件,返回True
np.all(): 所有的元素满足指定条件,返回True
>>> a = np.random.randn(2,3)
>>> a
array([[-0.65750548, 2.24801371, -0.26593284],
    [ 0.31447911, -1.0215645 , -0.4984958 ]])

>>> np.any(a>0)
True

>>> np.all(a>0)
False

去除重复:

np.unique(): 去重
>>> a = np.array([[1,2,3],[2,3,4]])
>>> a
array([[1, 2, 3],
    [2, 3, 4]])

>>> np.unique(a)
array([1, 2, 3, 4])

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python实现mysql的单引号字符串过滤方法
Nov 14 Python
Python中的字符串查找操作方法总结
Jun 27 Python
Python字典实现简单的三级菜单(实例讲解)
Jul 31 Python
解决python3 json数据包含中文的读写问题
May 10 Python
python+influxdb+shell编写区域网络状况表
Jul 27 Python
python实现可逆简单的加密算法
Mar 22 Python
Python3批量生成带logo的二维码方法
Jun 24 Python
python使用flask与js进行前后台交互的例子
Jul 19 Python
python matplotlib库绘制散点图例题解析
Aug 10 Python
Django模板标签{% for %}循环,获取制定条数据实例
May 14 Python
python 两种方法修改文件的创建时间、修改时间、访问时间
Sep 26 Python
详解python字符串驻留技术
May 21 Python
Python 通过截图匹配原图中的位置(opencv)实例
Aug 27 #Python
Python 转换文本编码实现解析
Aug 27 #Python
python-opencv获取二值图像轮廓及中心点坐标的代码
Aug 27 #Python
python定位xpath 节点位置的方法
Aug 27 #Python
python实现截取屏幕保存文件,删除N天前截图的例子
Aug 27 #Python
python自动化UI工具发送QQ消息的实例
Aug 27 #Python
python 调用pyautogui 实时获取鼠标的位置、移动鼠标的方法
Aug 27 #Python
You might like
php自动获取目录下的模板的代码
2010/08/08 PHP
php检测网页是否被百度收录的函数代码
2013/10/09 PHP
php调用新浪短链接API的方法
2014/11/08 PHP
Laravel第三方包报class not found的解决方法
2019/10/13 PHP
JavaScript 学习笔记(十一)
2010/01/19 Javascript
jQuery 写的简单打字游戏可以提示正确和错误的次数
2014/07/01 Javascript
jquery幻灯片插件bxslider样式改进实例
2014/10/15 Javascript
基于jQuery实现Ajax验证用户名是否存在实例
2016/03/30 Javascript
微信和qq时间格式模板实例详解
2016/10/21 Javascript
分享19个JavaScript 有用的简写写法
2017/07/07 Javascript
js禁止Backspace键使浏览器后退的实现方法
2017/09/01 Javascript
Vue中使用sass实现换肤功能
2018/09/07 Javascript
iView框架问题整理小结
2018/10/16 Javascript
vue-resourc发起异步请求的方法
2020/02/11 Javascript
python生成不重复随机数和对list乱序的解决方法
2018/04/09 Python
解决python3 json数据包含中文的读写问题
2018/05/10 Python
python-opencv颜色提取分割方法
2018/12/08 Python
Django后台管理系统的图文使用教学
2020/01/20 Python
如何利用Python动态模拟太阳系运转
2020/09/04 Python
Python3.9.1中使用split()的处理方法(推荐)
2021/02/07 Python
Parts Express:音频、视频和扬声器的第一来源
2017/04/25 全球购物
Mytheresa美国官网:德国知名的女性奢侈品电商
2017/05/27 全球购物
捷克厨房用品购物网站:Tescoma
2018/07/13 全球购物
俄罗斯电子产品、计算机和家用电器购物网站:OLDI
2019/10/27 全球购物
The Athlete’s Foot新西兰:新西兰最大的运动鞋零售商
2019/12/23 全球购物
英国自行车商店:AW Cycles
2021/02/24 全球购物
一些PHP的面试题
2015/05/06 面试题
Internal修饰符有什么含义
2013/07/10 面试题
平面网站制作专科生的自我评价分享
2013/12/11 职场文书
“九一八事变纪念日”国旗下讲话稿
2014/09/14 职场文书
蓬莱阁导游词
2015/02/04 职场文书
中国合伙人观后感
2015/06/02 职场文书
2016年度员工工作表现评语
2015/12/02 职场文书
MySQL删除和插入数据很慢的问题解决
2021/06/03 MySQL
python在package下继续嵌套一个package
2022/04/14 Python
Golang并发工具Singleflight
2022/05/06 Golang