伏龙阁资源网

Numpy的简单用法小结
站长资源 2024/11/25 佚名
2 0

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。

广告合作：本站广告合作请联系QQ：858582 申请时备注：广告合作（否则不回）
免责声明：本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除！
www.wwsws.com 伏龙阁资源网
39,976影音资源
44,792技术资源
21,817软件资源
651,128站长资源

更新日志

友情链接

杰晶网络 DDR爱好者之家 桃源资源网 杰网资源 富贵资源网 南强小屋 铁雪资源网 幽灵资源网 万梅资源网 狼山资源网 白云岛资源网 昆仑资源网 相思资源网 明霞山资源网 内蒙古资源网 黑松山资源网 茶园资源网 饿虎岗资源网 大旗谷资源网 常春岛资源网 岱庙资源网 兴国资源网 快活林资源网 蝙蝠岛资源网 帝王谷资源网 白云城资源网 伏龙阁资源网 清风细雨楼 天枫庄资源网 圆月山庄资源网 无争山庄资源网 神水资源网 移花宫资源网 神剑山庄资源网 无为清净楼资源网 金钱帮资源网 丐帮资源网 华山资源网 极乐门资源网 小李飞刀资源网 凤求凰客栈 风云阁资源网 金狮镖局 鸳鸯亭资源网 千金楼资源网 更多链接