参考链接: Python中的numpy.full_like
目录
N维数组对象: ndarray引例ndarray对象的属性ndarray数组的元素类型ndarray数组的创建方法从Python中的列表、元组等类型创建ndarray数组使用NumPy中函数创建ndarray数组
ndarray数组的维度变换ndarray数组的类型变换ndarray数组向列表的转换
ndarray数组的操作数组的索引和切片
ndarray数组的运算NumPy一元函数NumPy二元函数
N维数组对象: ndarray
引例
>>> import numpy as np
>>> def npSum():
a = np.array([0, 1, 2, 3, 4])
b = np.array([9, 8, 7, 6, 5])
c = a**2 + b**3
return c
>>> print(npSum())
[729 513 347 225 141]
ndarray对象的属性
属性说明.ndim秩,即轴的数量或维度的数量.shapendarray对象的尺度,对于矩阵,n行m列.sizendarray对象元素的个数,相当于.shape中n*m的值.dtypendarray对象的元素类型.itemsizendarray对象中每个元素的大小,以字节为单位
>>> import numpy as np
>>> a = np.array([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]])
>>> a.ndim
2
>>> a.shape
(2, 5)
>>> a.size
10
>>> a.dtype
dtype('int32')
>>> a.itemsize
4
ndarray数组的元素类型
数据类型说明bool布尔类型,True或Falseintc与C语言中的 int 类型一致,一般是int32或int64intp用于索引的整数,与C语言中 ssize_t 一致,int32或int64int8字节长度的整数,取值:
[
‐
128
,
127
]
[‐128, 127]
[‐128,127]int1616位长度的整数,取值:
[
‐
32768
,
32767
]
[‐32768, 32767]
[‐32768,32767]int3232位长度的整数,取值:
[
‐
2
31
,
2
31
‐
1
]
[‐2^{31}, 2^{31}‐1]
[‐231,231‐1]int6464位长度的整数,取值:
[
‐
2
63
,
2
63
‐
1
]
[‐2^{63}, 2^{63}‐1]
[‐263,263‐1]uint88位无符号整数,取值:
[
0
,
255
]
[0, 255]
[0,255]uint1616位无符号整数,取值:
[
0
,
65535
]
[0, 65535]
[0,65535]uint3232位无符号整数,取值:
[
0
,
2
32
‐
1
]
[0, 2^{32}‐1]
[0,232‐1]uint6432位无符号整数,取值:
[
0
,
2
64
‐
1
]
[0, 2^{64}‐1]
[0,264‐1]float1616位半精度浮点数:1位符号位,5位指数,10位尾数float3232位半精度浮点数:1位符号位,8位指数,23位尾数float6464位半精度浮点数:1位符号位,11位指数,52位尾数complex64复数类型,实部和虚部都是32位浮点数complex128复数类型,实部和虚部都是64位浮点数
ndarray数组的创建方法
从Python中的列表、元组等类型创建ndarray数组
>>> import numpy as np
>>> x = np.array([ [1,2], [9,8], (0.1,0.2) ])
>>> print(x)
[[1. 2. ]
[9. 8. ]
[0.1 0.2]]
使用NumPy中函数创建ndarray数组
函数说明np.arange(n)类似range()函数,返回ndarray类型,元素从0到n‐1np.ones(shape)根据shape生成一个全1数组,shape是元组类型np.zeros(shape)根据shape生成一个全0数组,shape是元组类型np.full(shape,val)根据shape生成一个数组,每个元素值都是valnp.eye(n)创建一个正方的 n*n 单位矩阵,对角线为1,其余为0np.ones_like(a)根据数组a的形状生成一个全1数组np.zeros_like(a)根据数组a的形状生成一个全0数组np.full_like(a,val)根据数组a的形状生成一个数组,每个元素值都是valnp.linspace()根据起止数据等间距地填充数据,形成数组np.concatenate()将两个或多个数组合并成一个新的数组
>>> import numpy as np
>>> print(np.arange(5))
[0 1 2 3 4]
>>> print(np.ones((2,3)))
[[1. 1. 1.]
[1. 1. 1.]]
>>> print(np.zeros((1,5)))
[[0. 0. 0. 0. 0.]]
>>> print(np.full((3,3),8.6))
[[8.6 8.6 8.6]
[8.6 8.6 8.6]
[8.6 8.6 8.6]]
>>> print(np.eye(3))
[[1. 0. 0.]
[0. 1. 0.]
[0. 0. 1.]]
>>> a = np.linspace(1, 10, 4)
>>> a
array([ 1., 4., 7., 10.])
>>> b = np.linspace(1, 10, 4, endpoint=False)
>>> b
array([1. , 3.25, 5.5 , 7.75])
>>> c = np.concatenate((a,b))
>>> c
array([ 1. , 4. , 7. , 10. , 1. , 3.25, 5.5 , 7.75])
ndarray数组的维度变换
方法说明.reshape(shape)不改变数组元素,返回一个shape形状的数组,原数组不变.resize(shape)与.reshape()功能一致,但修改原数组.swapaxes(ax1,ax2)将数组n个维度中两个维度进行调换.flatten()对数组进行降维,返回折叠后的一维数组,原数组不变
>>> a = np.ones((2,3,4), dtype=np.int32)
>>> a
array([[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]],
[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]]])
>>> a.reshape(3,8)
array([[1, 1, 1, 1, 1, 1, 1, 1],
[1, 1, 1, 1, 1, 1, 1, 1],
[1, 1, 1, 1, 1, 1, 1, 1]])
>>> a.resize(3,8)
>>> a
array([[1, 1, 1, 1, 1, 1, 1, 1],
[1, 1, 1, 1, 1, 1, 1, 1],
[1, 1, 1, 1, 1, 1, 1, 1]])
>>> a.flatten()
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1])
>>> a.swapaxes(0,1)
array([[1, 1, 1],
[1, 1, 1],
[1, 1, 1],
[1, 1, 1],
[1, 1, 1],
[1, 1, 1],
[1, 1, 1],
[1, 1, 1]])
ndarray数组的类型变换
new_a = a.astype(new_type)
注:astype()方法一定会创建新的数组(原始数据的一个拷贝),即使两个类型一致
>>> a = np.ones((2,3,4), dtype=np.int32)
>>> a
array([[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]],
[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]]])
>>> b = a.astype(np.float)
>>> b
array([[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]],
[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]]])
ndarray数组向列表的转换
ls = a.tolist()
ndarray数组的操作
数组的索引和切片
一维数组的索引和切片:与Python的列表类似 多维数组的索引: 多维数组的切片
ndarray数组的运算
NumPy一元函数
函数说明np.abs(x) np.fabs(x)计算数组各元素的绝对值np.sqrt(x)计算数组各元素的平方根np.square(x)计算数组各元素的平方np.log(x) np.log10(x) np.log2(x)计算数组各元素的自然对数、10底对数和2底对数np.ceil(x) np.floor(x)计算数组各元素的ceiling值或floor值np.rint(x)计算数组各元素的四舍五入值np.modf(x)将数组各元素的小数和整数部分以两个独立数组形式返回np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x)计算数组各元素的普通型和双曲型三角函数np.exp(x)计算数组各元素的指数值np.sign(x)计算数组各元素的符号值,
1
(
+
)
,
0
,
‐
1
(
‐
)
1(+), 0, ‐1(‐)
1(+),0,‐1(‐)
NumPy二元函数
函数说明+ ‐ * / **两个数组各元素进行对应运算np.maximum(x,y) = np.fmax() ;np.minimum(x,y) = np.fmin()元素级的最大值/最小值计算np.mod(x,y)元素级的模运算np.copysign(x,y)将数组y中各元素值的符号赋值给数组x对应元素> < >= <= == !=算术比较,产生布尔型数组