Numpy的簡(jiǎn)單用法

import numpy as np

一、創(chuàng)建ndarray對(duì)象

列表轉(zhuǎn)換成ndarray:

>>> a = [1,2,3,4,5]
>>> np.array(a)
array([1, 2, 3, 4, 5])

取隨機(jī)浮點(diǎn)數(shù)

>>> 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 ]])

取隨機(jī)整數(shù)

>>> 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(最好別用，了解一下，版本不同返回值不一樣)

'''
遇到問(wèn)題沒(méi)人解答？小編創(chuàng)建了一個(gè)Python學(xué)習(xí)交流QQ群：857662006 
尋找有志同道合的小伙伴，互幫互助,群里還有不錯(cuò)的視頻學(xué)習(xí)教程和PDF電子書(shū)！
'''
>>> np.empty((3,4))
array([[ 1.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  1.]])

取整數(shù)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命令創(chuàng)建ndarray：

>>> np.arange(2,10,2) # 開(kāi)始，結(jié)束，步長(zhǎng)
array([2, 4, 6, 8])

二、ndarray屬性的查看和操作：

看ndarray屬性：

'''
遇到問(wèn)題沒(méi)人解答？小編創(chuàng)建了一個(gè)Python學(xué)習(xí)交流QQ群：857662006 
尋找有志同道合的小伙伴，互幫互助,群里還有不錯(cuò)的視頻學(xué)習(xí)教程和PDF電子書(shū)！
'''
>>> a = [[1,2,3,4,5],[6,7,8,9,0]]
>>> b = np.array(a)
>>> b.ndim  #維度個(gè)數(shù)(看幾維)
2
>>> b.shape  #維度大小(看具體長(zhǎng)寬)
(5,2)
>>>b.dtype
dtype('int32')

ndarray創(chuàng)建時(shí)指定屬性：

>>> 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]])

屬性強(qiáng)轉(zhuǎn)：

>>> 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、簡(jiǎn)單操作：

批量運(yùn)算：

'''
遇到問(wèn)題沒(méi)人解答？小編創(chuàng)建了一個(gè)Python學(xué)習(xí)交流QQ群：857662006 
尋找有志同道合的小伙伴，互幫互助,群里還有不錯(cuò)的視頻學(xué)習(xí)教程和PDF電子書(shū)！
'''
>>> 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

改變維度：

>>> 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]])

矩陣轉(zhuǎn)換(和改變維度有本質(zhì)區(qū)別，仔細(xì))：

>>> 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]])

打亂(只能打亂一維)：

'''
遇到問(wèn)題沒(méi)人解答？小編創(chuàng)建了一個(gè)Python學(xué)習(xí)交流QQ群：857662006 
尋找有志同道合的小伙伴，互幫互助,群里還有不錯(cuò)的視頻學(xué)習(xí)教程和PDF電子書(shū)！
'''
>>> 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：

一維數(shù)組(和普通列表一樣)：

>>> 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])

多維數(shù)組(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]])

條件索引：

'''
遇到問(wèn)題沒(méi)人解答？小編創(chuàng)建了一個(gè)Python學(xué)習(xí)交流QQ群：857662006 
尋找有志同道合的小伙伴，互幫互助,群里還有不錯(cuò)的視頻學(xué)習(xí)教程和PDF電子書(shū)！
'''
>>> 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、函數(shù)(numpy核心知識(shí)點(diǎn))

計(jì)算函數(shù)(都不想舉例了，太簡(jiǎn)單。。)：

'''
遇到問(wèn)題沒(méi)人解答？小編創(chuàng)建了一個(gè)Python學(xué)習(xí)交流QQ群：857662006 
尋找有志同道合的小伙伴，互幫互助,群里還有不錯(cuò)的視頻學(xué)習(xí)教程和PDF電子書(shū)！
'''
np.ceil(): 向上最接近的整數(shù)，參數(shù)是 number 或 array
np.floor(): 向下最接近的整數(shù)，參數(shù)是 number 或 array
np.rint(): 四舍五入，參數(shù)是 number 或 array
np.isnan(): 判斷元素是否為 NaN(Not a Number)，參數(shù)是 number 或 array
np.multiply(): 元素相乘，參數(shù)是 number 或 array
np.divide(): 元素相除，參數(shù)是 number 或 array
np.abs()：元素的絕對(duì)值，參數(shù)是 number 或 array
np.where(condition, x, y): 三元運(yùn)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]])

統(tǒng)計(jì)函數(shù)

'''
遇到問(wèn)題沒(méi)人解答？小編創(chuàng)建了一個(gè)Python學(xué)習(xí)交流QQ群：857662006 
尋找有志同道合的小伙伴，互幫互助,群里還有不錯(cuò)的視頻學(xué)習(xí)教程和PDF電子書(shū)！
'''
np.mean():所有元素的平均值
np.sum():所有元素的和，參數(shù)是 number 或 array
np.max():所有元素的最大值
np.min():所有元素的最小值，參數(shù)是 number 或 array
np.std()：所有元素的標(biāo)準(zhǔn)差
np.var():所有元素的方差，參數(shù)是 number 或 array
np.argmax()：最大值的下標(biāo)索引值，
np.argmin():最小值的下標(biāo)索引值，參數(shù)是 number 或 array
np.cumsum()：返回一個(gè)一維數(shù)組，每個(gè)元素都是之前所有元素的累加和
np.cumprod()：返回一個(gè)一維數(shù)組，每個(gè)元素都是之前所有元素的累乘積，參數(shù)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)

判斷函數(shù)：

np.any(): 至少有一個(gè)元素滿足指定條件，返回True
np.all(): 所有的元素滿足指定條件，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

去除重復(fù)：

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])

標(biāo)題名稱：Numpy的簡(jiǎn)單用法
瀏覽地址：http://muchs.cn/article46/pdpceg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供手機(jī)網(wǎng)站建設(shè)、、微信小程序、靜態(tài)網(wǎng)站、云服務(wù)器、網(wǎng)站改版

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源：創(chuàng)新互聯(lián)

猜你還喜歡下面的內(nèi)容

Numpy的簡(jiǎn)單用法

Numpy的簡(jiǎn)單用法

一、創(chuàng)建ndarray對(duì)象

二、ndarray屬性的查看和操作：

三、簡(jiǎn)單操作：

四、切片和索引：

五、函數(shù)(numpy核心知識(shí)點(diǎn))

一、創(chuàng)建ndarray對(duì)象

二、ndarray屬性的查看和操作：

三、簡(jiǎn)單操作：