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中lambda函数 list comprehension 和 zip函数使用指南
Sep 28 Python
python根据出生日期获得年龄的方法
Mar 31 Python
Python下载指定页面上图片的方法
May 12 Python
Python爬取网页中的图片(搜狗图片)详解
Mar 23 Python
Python数据结构与算法之列表(链表,linked list)简单实现
Oct 30 Python
Python Pandas找到缺失值的位置方法
Apr 12 Python
用Python解决x的n次方问题
Feb 08 Python
python实现趣味图片字符化
Apr 30 Python
python使用threading.Condition交替打印两个字符
May 07 Python
python 中Arduino串口传输数据到电脑并保存至excel表格
Oct 14 Python
python使用matplotlib:subplot绘制多个子图的示例
Sep 24 Python
Python下opencv库的安装过程及问题汇总
Jun 11 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入门学习的几个不错的实例代码
2008/07/13 PHP
php生成图形(Libchart)实例
2013/11/06 PHP
浅谈PHP的反射API
2017/02/26 PHP
PHP实现爬虫爬取图片代码实例
2021/03/03 PHP
jquery 之 $().hover(func1, funct2)使用方法
2012/06/14 Javascript
js+xml生成级联下拉框代码
2012/07/24 Javascript
js父窗口关闭时子窗口随之关闭完美解决方案
2014/04/29 Javascript
jQuery中val()方法用法实例
2014/12/25 Javascript
JS表格组件神器bootstrap table详解(强化版)
2016/05/26 Javascript
jQuery实现鼠标悬停3d菜单展开动画效果
2017/01/19 Javascript
jQuery插件echarts去掉垂直网格线用法示例
2017/03/03 Javascript
使用AngularJS对表单提交内容进行验证的操作方法
2017/07/12 Javascript
JavaScript30 一个月纯 JS 挑战中文指南(英文全集)
2017/07/23 Javascript
vue2.0在没有dev-server.js下的本地数据配置方法
2018/02/23 Javascript
原生JavaScript实现todolist功能
2018/03/02 Javascript
微信小程序中使用wxss加载图片并实现动画效果
2018/08/13 Javascript
傻瓜式解读koa中间件处理模块koa-compose的使用
2018/10/30 Javascript
JS实现随机生成10个手机号的方法示例
2018/12/07 Javascript
详解vue中axios的使用与封装
2019/03/20 Javascript
记录微信小程序 height: calc(xx - xx);无效问题
2019/12/30 Javascript
Antd表格滚动 宽度自适应 不换行的实例
2020/10/27 Javascript
Python通过递归遍历出集合中所有元素的方法
2015/02/25 Python
使用Flask集成bootstrap的方法
2018/07/24 Python
Python3中bytes类型转换为str类型
2018/09/27 Python
python实现手机销售管理系统
2019/03/19 Python
将自己的数据集制作成TFRecord格式教程
2020/02/17 Python
python_mask_array的用法
2020/02/18 Python
荷兰游戏商店:Allyouplay
2019/03/16 全球购物
美国Curacao百货连锁店网站:iCuracao.com
2019/07/20 全球购物
专业实习自我鉴定
2013/10/29 职场文书
安全环保标语
2014/06/09 职场文书
2014年小学校长工作总结
2014/12/08 职场文书
道德模范事迹材料
2014/12/20 职场文书
六年级学生期末评语
2014/12/26 职场文书
员工工作表现自我评价
2015/03/06 职场文书
2019最新劳动仲裁申请书!
2019/07/08 职场文书