首页 > 资讯 > 后端开发 > Python >python基础之Numpy库中array用法总结

502

分享到

python基础之Numpy库中array用法总结

2024-04-02 19:04:59 502人浏览独家记忆

Python 官方文档：入门教程 => 点击学习

摘要

目录前言为什么要用numpy数组的创建生成均匀分布的array：生成特殊数组获取数组的属性数组索引，切片，赋值数组操作输出数组总结前言 Numpy是python的一个科学计算的库，提

前言

Numpy是python的一个科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。其实，list已经提供了类似于矩阵的表示形式，不过numpy为我们提供了更多的函数。

NumPy数组是一个多维数组对象，称为ndarray。数组的下标从0开始,同一个NumPy数组中所有元素的类型必须是相同的。


>>> import numpy as np

为什么要用numpy

Python中提供了list容器，可以当作数组使用。但列表中的元素可以是任何对象，因此列表中保存的是对象的指针，这样一来，为了保存一个简单的列表[1,2,3]。就需要三个指针和三个整数对象。对于数值运算来说，这种结构显然不够高效。

Python虽然也提供了array模块，但其只支持一维数组，不支持多维数组(在Tensorflow里面偏向于矩阵理解)，也没有各种运算函数。因而不适合数值运算。

NumPy的出现弥补了这些不足。

数组的创建

使用numpy.array方法将tuple和list, array, 或者其他的序列模式的数据转创建为 ndarray, 默认创建一个新的 ndarray.


>>> np.array([1,2,3,4]) 
[1 2 3 4]

>>> b = array( [ (1.5,2,3), 
                 (4,5,6)  ]  )　　 
array([[ 1.5,  2. ,  3. ],  
　　　  [ 4. ,  5. ,  6. ]])  

>>> c = array( [ [1,2], [3,4] ], dtype=complex)  
#指定数组中元素的类型
>>> c  
    array([[ 1.+0.j,  2.+0.j],  
　　　    [ 3.+0.j,  4.+0.j]])

生成均匀分布的array：

arange（最小值，最大值，步长）（左闭右开） : 创建等差数列

linspace（最小值，最大值，元素数量）

logspace(开始值, 终值, 元素个数): 创建等比数列


>>> np.arange(15)
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]

>>> np.arange(15).reshape(3,5)
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]

>>> np.arange( 0, 2, 0.3 )        
array([ 0. ,  0.3,  0.6,  0.9,  1.2,  1.5,  1.8])

>>> np.linspace(1,3,9)
[ 1.    1.25  1.5   1.75  2.    2.25  2.5   2.75  3.  ]

生成特殊数组

np.ones: 创建一个数组, 其中的元素全为 1

np.zeros: 创建元素全为 0 的数组, 类似 np.ones

np.empty创建一个内容随机并且依赖与内存状态的数组。

np.eye: 创建一个对角线为 1 其他为 0 的矩阵.

np.identity: 创建一个主对角线为 1 其他为 0 的方阵.


>>> np.zeros((3,4))
[[ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]]

>>> np.ones((3,4))
[[ 1.  1.  1.  1.]
 [ 1.  1.  1.  1.]
 [ 1.  1.  1.  1.]]

>>> np.eye(3)
[[ 1.  0.  0.]
 [ 0.  1.  0.]
 [ 0.  0.  1.]]

获取数组的属性


>>> a = np.zeros((2,2,2))
>>> a.ndim   #数组的维数
3
>>> a.shape  #数组每一维的大小
(2, 2, 2)
>>> a.size   #数组全部元素的数量 
8
>>> a.dtype  #数组中元素的类型
float64
>>> print a.itemsize  #每个元素所占的字节数
8

数组索引，切片，赋值

‘…'符号表示将所有未指定索引的维度均赋为 ‘：'

‘：'在python中表示该维所有元素


>>> a = np.array( [[2,3,4],[5,6,7]] )
>>> a
[[2 3 4]
 [5 6 7]]
>>> a[1,2]
7
>>> a[1,:]
[5 6 7]
>>> print a[1,1:2]
[6]
>>> a[1,:] = [8,9,10]
>>> a
[[ 2  3  4]
 [ 8  9 10]]
>>> c[1,...]                                   # same as c[1,:,:] or c[1]
array([[100, 101, 102],
       [110, 112, 113]])
>>> c[...,2]                                   # same as c[:,:,2]
array([[  2,  13],
       [102, 113]])
>>> def f(x,y):
...     return 10*x+y
...
>>> b = np.fromfunction(f,(5,4),dtype=int)    #
>>> b
array([[ 0,  1,  2,  3],
       [10, 11, 12, 13],
       [20, 21, 22, 23],
       [30, 31, 32, 33],
       [40, 41, 42, 43]])

数组操作


>>> a = np.ones((2,2))
>>> b = np.eye(2)
>>> print a
[[ 1.  1.]
 [ 1.  1.]]
>>> print b
[[ 1.  0.]
 [ 0.  1.]]


>>> print a > 2
[[False False]
 [False False]]
>>> print a+b             #数组加，对应位置相加
[[ 2.  1.]
 [ 1.  2.]]
>>> print a-b             #数组减，对应位置相减
[[ 0.  1.]
 [ 1.  0.]]
>>> print b*2             #数组与数值相乘，对应位置乘
[[ 2.  0.]
 [ 0.  2.]]
>>> print (a*2)*(b*2)     #数组与数组相乘，按位置一对一相乘
[[ 4.  0.]
 [ 0.  4.]]
>>> print b/(a*2)          #数组与数组相除，按位置一对一相除
[[ 0.5  0. ]
 [ 0.   0.5]]
>>> print a.dot(b)                    # matrix product，矩阵乘
>>> np.dot(a,a)                       #矩阵乘法
array([[ 2.,  2.],
       [ 2.,  2.]])
>>> print (a*2)**4
[[ 16.  16.]
 [ 16.  16.]]
>>> b = a              #浅拷贝
>>> b is a
True
>>> c = a.copy()       #深拷贝
>>> c is a
False

内置函数（min,max,sum)，同时可以使用axis指定对哪一维进行操作：


 >>> a.sum()
4.0
>>> a.sum(axis=0)    #计算每一列（二维数组中类似于矩阵的列）的和
array([ 2.,  2.])
>>> a.min()          #数组最小值
1.0
>>> a.max()          #数组最大值
1.0

使用numpy下的方法：


>>> np.sin(a)
array([[ 0.84147098,  0.84147098],
       [ 0.84147098,  0.84147098]])
>>> np.max(a)
1.0
>>> np.floor(a)  
array([[ 1.,  1.],
       [ 1.,  1.]])
>>> np.exp(a)               #e^x
array([[ 2.71828183,  2.71828183],
       [ 2.71828183,  2.71828183]])
>>> print np.vstack((a,b))   #合并数组
[[ 1.  1.] 
 [ 1.  1.]
 [ 1.  0.]
 [ 0.  1.]]
>>> print np.hstack((a,b))   #合并数组
[[ 1.  1.  1.  0.]
 [ 1.  1.  0.  1.]]
>>> print a.transpose()       #转置

numpy.linalg模块中有很多关于矩阵运算的方法：


>>> import numpy.linalg as nplg

NumPy中的基本数据类型

名称	描述
bool	用一个字节存储的布尔类型（True或False）
inti	由所在平台决定其大小的整数（一般为int32或int64）
int8/16/32/64	整数，1/2/4/8个字节大小
uint8/16/32/64	无符号整数
float16/32/64	半/单/双精度浮点数，16/32/64位，指数、精度也不同
complex64/128	复数，分别用两个32/64位浮点数表示实部和虚部

输出数组

当输出一个数组时，NumPy以特定的布局用类似嵌套列表的形式显示：

第一行从左到右输出
每个切片通过一个空行与下一个隔开
一维数组被打印成行，二维数组成矩阵，三维数组成矩阵列表。
如果一个数组太长，则NumPy自动省略中间部分而只打印两端的数据：


>>> a = arange(6)                         # 1d array  
>>> print a  
    [0 1 2 3 4 5]  
　　　  
>>> b = arange(12).reshape(4,3)           # 2d array  
>>> print b  
    [[ 0  1  2]  
    [ 3  4  5]  
    [ 6  7  8]  
    [ 9 10 11]]　　　  
>>> c = arange(24).reshape(2,3,4)         # 3D array  
>>> print c  
    [[[ 0  1  2  3]  
    [ 4  5  6  7]  
    [ 8  9 10 11]]  
　　　  
    [[12 13 14 15]  
    [16 17 18 19]  
    [20 21 22 23]]]

总结

到此这篇关于Python基础之Numpy库中array用法的文章就介绍到这了,更多相关python Numpy中array用法内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！

您可能感兴趣的文档:

点击免费下载>>软考高级考试备考技巧/历年真题/备考精华资料

--结束END--

本文标题: python基础之Numpy库中array用法总结

本文链接: https://www.lsjlt.com/news/133629.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

本篇文章演示代码以及资料文档资料下载

下载Word文档到电脑，方便收藏和打印～

下载Word文档

去做题

猜你喜欢

python基础之Numpy库中array用法总结

目录前言为什么要用numpy数组的创建生成均匀分布的array：生成特殊数组获取数组的属性数组索引，切片，赋值数组操作输出数组总结前言 Numpy是Python的一个科学计算的库，提...

99+

2024-04-02
Python基础篇之字符串方法总结

目录字符串拼接字符串分割字符串替换字符串大小写转换字符串判断partition()的用法总结python中字符串内置方法很多，可以通过dir()方式查看具体有哪些方法，下表是pyth...

99+

2023-05-17

Python字符串方法总结 Python字符串方法 Python字符串
python基础之编码规范总结

目录一、PEP 8规范二、缩进三、行的最大长度四、空行五、命名约定六、字符串引号七、包八、注释一、PEP 8规范官方文档：https://legacy.python.org/dev...

99+

2024-04-02
Python基础之元编程知识总结

目录一、前言二、ImportTime vs RunTime三、元类四、装饰器五、对数据的抽象–描述符六、控制子类的创建——代替元类的方法一、前言首先说，Python中一切皆对象，老...

99+

2024-04-02
Python之Numpy 常用函数总结

目录通用函数常见的简单数组函数一元函数二元函数通用函数常见的简单数组函数先看看代码操作: mport numpy as np # # 产生一个数组 arr=np.arange(1...

99+

2024-04-02
Python基础之函数嵌套知识总结

内部/内嵌函数 1、定义：在一个函数的函数体内使用关键字def关键字定义一个新的函数，这个新的函数就叫做内部/内嵌函数。 2、注意点：内部函数的整个函数体都在外部函数的作用域内，如...

99+

2024-04-02
python基础之文件处理知识总结

目录一、open()方法二、read()方法三、readlines()方法四、seek()方法五、tell()函数一、open()方法 python open...

99+

2024-04-02
Python基础之模块相关知识总结

目录一、什么是模块二、导入模块三、name=‘main'四、搜索路径一、什么是模块容器 -> 数据的封装函数 -> 语句的封装类 ->...

99+

2024-04-02
Python基础之元组与文件知识总结

目录大纲Python文件类型及汇总一、元组二、文件三、pickle存储和读取python对象四、类型汇总大纲 Python文件类型及汇总一、元组 1 特征 1.任意对象的有序集...

99+

2024-04-02
Python基础之变量的相关知识总结

变量全都是引用跟其他编程语言不同，Python的变量不是盒子，不会存储数据，它们只是引用，就像标签一样，贴在对象上面。比如： >>> a = [1, 2, ...

99+

2024-04-02
Java基础之引用相关知识总结

目录一、引用的定义二、问题三、引用的分类四、应用场景五、源码六、总结一、引用的定义在JDK 1.2以前，Java中的引用定义很传统：如果reference类型的数据存储的数值代表的...

99+

2024-04-02
python基础学习之递归函数知识总结

目录一、递归函数使用注意点二、递归的效率问题三、递归函数引入四、递归的深度五、通过缓存解决递归限制六、递归函数使用示例一、递归函数使用注意点递归函数一定要编写终止条件，否则将产生无...

99+

2024-04-02
Python基础之数据类型相关知识总结

1、字符串（1）概念字符串英文名string，简称str。字符串就是由一个个字符连接起来的组合, 你平时所见的字母、数字、汉字、符号都是字符。字符串可以用...

99+

2024-04-02
Python基础之循环语句相关知识总结

目录一、循环语句介绍二、循环语句的分类三、循环控制语句四、while循环五、break和continue六、for循环七、pass语句的使用一、循环语句介绍 1.循环语句...

99+

2024-04-02
关于Numpy之repeat、tile的用法总结

repeat函数的作用：①扩充数组元素 ②降低数组维度 numpy.repeat(a, repeats, axis=None)：若axis=None，对于多维数组而言，可以将多维数...

99+

2024-04-02
Python基础之数组和向量化计算总结

一、多维数组 1、生成ndarray （array函数） .np.array()生成多维数组例如：import numpy as npdata1=[6,7.5,8,0,1] #创建简单的列表print(data1)...

99+

2023-01-31

数组基础 Python
Go语言中常用的基础方法总结

目录字符串1.使用正则表达式验证字符串2.字符串和数字的相互转换3.格式化字符串时间1.字符串和时间的相互转换2.时间的比较切片映射接口延迟函数指针结构体并发字符串 1.使用正则表达...

99+

2024-04-02
python中numpy 常用操作总结

前言： NumPy 是 Python 语言的一个扩充程序库，支持大量高维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。同时NumPy 是机器学习必不可少的工具之一。常用...

99+

2024-04-02
Python爬虫基础之爬虫的分类知识总结

目录一、通用爬虫二、搜索引擎的局限性三、Robots协议四、请求与相应一、通用爬虫通用网络爬虫是搜索引擎抓取系统(Baidu、Google、Sogou等)的一个重要组成部分。主要目...

99+

2024-04-02
python标准库模块之json库的基础用法

目录前言作用loads，load的用法dumps，dump的用法结语前言 json，全称为JavaScript Object Notation，也就是JavaScript对象标记，通...

99+

2024-04-02