numpy常用操作总结

numpy.jpg

numpy的属性

array=np.array([[1,2,3],[2,3,4]]) #将python列表转换成numpy的数组
print('number of dim:',array.ndim) #打印出数组的维数
pirnt('shape',array.sharp) #打印出数组的行列数
print('size:',array.size) #打印出数组的元素总个数

numpy创建array

a=np.array([2,23,4],dtype=np.int) #使用dtype定义数据类型,包含np.int,np.float er al
print(a.dtype)
a=np.zeros((2,3)) #生成2行3列,数值全部为零的数组
a=np.ones((3,4),dtype=np.int16) #定义3行4列,数值全部为1的数组
a=np.empty((3,4)) #生成的是3行4列,数值接近于0的数组
a=np.arange(10,20,2) #生成从10到19,步长为2的数组
a=np.arrange(12).reshape((3,4)) #生成从0到11,3行4列的数组
a=np.linspace(1,10,20).reshape((2,3)) #生成从1到10,样本数据量为20的等差数列,使用reshape可以更改数组的行列数

numpy的基础运算

a=np.array([10,20,30,40])
b=np.arrange(4)
c=a-b #array的减法,对应元素逐个相减
c=b**2 #b的平方
c=np.sin(a) #对a的每个值求sin()值
print(b<3) #判断b中哪些元素小于3,返回的是bool型数值

#数组乘法
a=np.array([[1,1],[0,1]])
b=np.arrange(4).reshape(2,2)
c=a*b #numpy数组对应元素相乘
c_dot=np.dot(a,b) #矩阵乘法,点乘
c_dot2=a.dot(b) #矩阵乘法的另一种写法

a=np.random.random((2,4)) #生成2行4列的随机数数组
np.sum(a) #求和
np.min(a) #返回最小值
np.max(a) #返回最大值
np.argmin(a) #搜索最小值的索引
np.argmax(a) #搜索最大值的索引
np.sum(a,axis=1) #axis对数据的某一维度求和,axis=1表示压缩列,即将每一行的元素相加,将矩阵压缩为一列,axis=0表示压缩行,即将每一列的元素相加,将矩阵压缩为一行)
np.mean(a) #求平均值
a.mean() #求平均值的另一种形式
np.medium(a) #求中位数
np.cumsum(a) #按照所给定的轴参数返回元素的梯形累计和,元素个数与原数组相同
np.diff(a) #执行的是后一个元素减去前一个元素
np.nonzero(a) #用于得到数组array中非零元素的位置(数组索引)的函数
np.sort(a) #对数组进行排序,多维数组会逐行进行排序
np.transpose(a) #矩阵转置
a.T #矩阵转置的另一种写法
np.clip(a,a_min,a_max) #该函数的作用是将数组a中的所有数限定到范围a_min和a_max中,所有比a_min小的数都会强制变为a_min,所有比a_max大的数都会强制变为a_max

numpy的索引

A=np.arange(3,15)
print(A[3]) #输出索引为3的数组元素
A=np.arange(3,15).reshape((4,4))
print(A[2]) #当数据为二维数组时,A[2]表示输出数组的第二行
print(A[2][1]) #输出数组的第二行第一列
print(A[2,1]) #输出数组的第二行第一列
print(A[2,:]) #输出第2行的所有数
print(A[1,1:2]) #输出第1行的第1到第2列
for row in A:
print(row) #迭代数组中的每一行
for column in A.T:
print(column) #迭代数组中的每一列
for item in A.flat: #把A转换成一维数组
print(item) #迭代数组中的每一个元素

numpy的array合并

A=np.array([1,1,1])
B=np.array([2,2,2])
C=np.vstack((A,B)) # vertical stack A,B 上下的合并
D=np.hstack((A,B)) # horizontal stack A,B左右合并
E=A[np.newaxis,:] #数组在行上增加了一个维度,此时E.shape为(1,3)
F=A[:,np.newaxis] #数组在列上增加了一个维度,此时F.shape为(3,1)
G=np.concatenate((A,B,B,A),axis=0) #在行这个维度进行合并

numpy的array分割

A=np.arange(12).reshape(3,4)
np.split(A,2,axis=1) #将二维数组A按列进行平均分割
np.array_split(A,3, axis=1) #将二维数组A按列进行不均等的分割
np.vsplit(A,3) #将二维数组A在纵向上等分成3个数组
np.hsplit(A,2) #将二维数组A在水平方向上等分成2个数组

numpy的copy&deep copy

a=np.arange(4)
b=a #b和a是完全一样的

>>> b is a
>>> true

b =a .copy() #deep copy,这里的copy()只是把a的值copy过去了,但是并没有把a和b关联起来,所以改变a的元素,b并不会发生改变

>>>b=a.copy()
>>>a[3]=44
>>>a
array([0,1,2,44])
>>>b
array([0,1,2,3])
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,142评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,298评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,068评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,081评论 1 291
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,099评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,071评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,990评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,832评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,274评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,488评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,649评论 1 347
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,378评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,979评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,625评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,796评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,643评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,545评论 2 352