Numpy常见用法

Numpy常见用法

作者整理这一篇文章是方便那些学习过Numpy,但是太久没看而遗忘的人

①基本属性

在这里插入图片描述
在这里插入图片描述

②创建array


import numpy as np 

a = np.array([2,3,4],dtype=np.int)
b = np.array([2,3,4],dtype=np.float)
c = np.array([[1,2],[3,4]])
d = np.zeros((3,4))
e = np.ones((2,4))
f = np.empty((2,2))
g = np.arange(10,20,2)
h = np.arange(12).reshape((3,4))
i = np.linspace(1,10,6).reshape((2,3))

print (a.dtype)
print (b.dtype)
print (c)
print (d)
print (e)
print (f)
print (g)
print (h)
print (i)

在这里插入图片描述

③创建array

import numpy as np 

a = np.array([10,20,30,40])
b = np.arange(4) #arange产生的是0 1 2 3
c = b**2
d = 10*np.sin(a)
e = np.array([[1,1],[0,1]])
f = np.arange(4).reshape(2,2)
g = e*f	#逐个相乘
h = np.dot(e,f)	#矩阵乘法
k = np.random.random((2,4)) #生成的数在0~1范围
#np.sum(k) / np.min(k) / np.max(k) 
#np.sum(k,axis=i)其中i是维度,i=0时表示行,i=1时表示列

print (a,b)
print (c)
print (d)
print (c>3)
print (c==1)
print (e)
print (f)
print (g)
print (h)
print (k)

在这里插入图片描述

import numpy as np 

a = np.arange(14,2,-1).reshape(3,4)

print (a)
print (np.argmin(a)) #最小值索引
print (np.argmax(a)) #最大值索引
print (np.mean(a)) #平均数
print (np.average(a)) #平均数
print (np.median(a)) #中位数
print (np.cumsum(a)) #逐步加
print (np.diff(a)) #类差
print (np.nonzero(a)) #查非零数
print (np.sort(a)) #每一行从小到大排序
print (np.transpose(a)) #矩阵转置
print (np.clip(a,5,9)) #小于5的数等于5,大于9的数等于9

在这里插入图片描述

④numpy的索引

import numpy as np 

a = np.arange(3,15).reshape(3,4)

print (a)
print (a[1][1])
print (a[1,1])
print (a[1,:])
print (a.flatten())

在这里插入图片描述

⑤array合并

import numpy as np 

a= np.array([1,1,1])
b= np.array([2,2,2])
c= np.vstack((a,b)) #vertical
d= np.hstack((a,b)) #horizen
e= np.concatenate((a,b,b,a))#多个合并,vstack和hstack只能合并两个

print (d)
print (a.shape,c.shape)
print (a.shape,d.shape)
print (a[np.newaxis,:].shape)#加一个维度
print (e)

在这里插入图片描述

⑥分割array

import numpy as np 

a = np.arange(12).reshape(3,4)

print (a)
print (np.split(a,3,axis=0)) #等距分割
print (np.array_split(a,3,axis=1)) #不等距分割
print (np.vsplit(a,3)) #等距与不等距均可(纵向)
print (np.hsplit(a,2)) #等距与不等距均可(横向)

在这里插入图片描述

⑦copy

import numpy as np 
a = np.arange(4)
b = a 		 #b与a关联,两个值同时改变
c = a.copy() #c与a没有关联

猜你喜欢

转载自blog.csdn.net/qq_37443333/article/details/86096100