numpy.array 操作使用简单总结

脚本专栏 2024/11/5 佚名

3 2 1

圆月山庄资源网 Design By www.vgjia.com

import numpy as np

numpy.array 常用变量及参数

dtype变量，用来存放数据类型，创建数组时可以同时指定。
shape变量，存放数组的大小，这人值是可变的，只要确保无素个数不变的情况下可以任意修改。（-1为自动适配，保证个数不变）
reshape方法，创建一个改变了形状的数组，与原数组是内存共享的，即都指向同一块内存。

创建数组的方法

np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]], dtype=np.float)
np.arange(0,1,0.1) #0到1之间步长为0.1的数组, 数组中不包含1
np.linspace(0, 1, 5) # 开始：0， 结束1, 元素个数 5。 array([ 0. , 0.25, 0.5 , 0.75, 1. ])
np.logspace(0, 1, 5) # 开始：0， 结束1, 元素个数 5. array([ 10**0. , 10**0.25, 10**0.5 , 10**0.75, 10**1. ])
      # 结果是 array([ 1.  , 1.77827941, 3.16227766, 5.62341325, 10.  ])
 
s = 'abcdefg'
np.fromstring(s, dtype=np.int8)
 
def func2(i, j):
 return (i+1) * (j+1)
np.fromfunction(func2, (9,9))
 
np.ones((2, 2))
np.zero((2, 2))
np.eye(2)
 
#创建二维数组：
np.arange(0, 60, 10).reshape(-1, 1) + np.arange(0, 6)

数据读取

通过下标范围获取数据：与python list对象操作一致。不同点是这方法获取的数组与原数组是内存共享的。

通过整数序列获取新数组：例 x[[3,2,3,2] ], 产生新数组，内存不共享

使用布尔数组获取数据：例: x[np.array([True, False, True, False, False])] 或 x[x>0.5], 返回True对应的数字。

代码示例：

> x = np.arange(10)
> y = x[::-1]
> x
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
> y
array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])
> y[0] = 100
> x
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 100])
> y
array([100, 8, 7, 6, 5, 4, 3, 2, 1, 0])
> x[0] = 99
> x
array([ 99, 1, 2, 3, 4, 5, 6, 7, 8, 100])
> y
array([100, 8, 7, 6, 5, 4, 3, 2, 1, 99])
> y = x[1:6]
> y
array([1, 2, 3, 4, 5])
> y[2] = 33
> y
array([ 1, 2, 33, 4, 5])
> x
array([ 99, 1, 2, 33, 4, 5, 6, 7, 8, 100])
> x[[3,2,3,2]]
array([33, 2, 33, 2])
> z = x[[3,2,3,2]]
> z
array([33, 2, 33, 2])
> z[3] = 4
> z
array([33, 2, 33, 4])
> x
array([ 99, 1, 2, 33, 4, 5, 6, 7, 8, 100])
> x[x>10]
array([ 99, 33, 100])
>

数组扩展

np.vstack((a, b)): 增加行数，把b数据追加到a的下面，上下连接。
np.hstack((a, b)): 增加列数，把a, b左右连接。

> a = np.ones((3,3))
> b = np.eye(3)
> a
array([[ 1., 1., 1.],
  [ 1., 1., 1.],
  [ 1., 1., 1.]])
> b
array([[ 1., 0., 0.],
  [ 0., 1., 0.],
  [ 0., 0., 1.]])
> b *= 2
> b
array([[ 2., 0., 0.],
  [ 0., 2., 0.],
  [ 0., 0., 2.]])
> np.vstack((a, b))
array([[ 1., 1., 1.],
  [ 1., 1., 1.],
  [ 1., 1., 1.],
  [ 2., 0., 0.],
  [ 0., 2., 0.],
  [ 0., 0., 2.]])
> 
> np.hstack((a, b))
array([[ 1., 1., 1., 2., 0., 0.],
  [ 1., 1., 1., 0., 2., 0.],
  [ 1., 1., 1., 0., 0., 2.]])

ufunc运算

ufunc是universal function的缩写，它是一种能对数组的每个元素进行操作的函数。NumPy内置的许多ufunc函数都是在C语言级别实现的，因此它们的计算速度非常快。

np.sin(x, x)
np.add(a, b) ~ a+b
np.subtract(a, b) ~ a-b
np.multiply(a, b) ~ a*b
divide ~ a/b
floor divide ~ a//b
negative ~ -a
power ~ a**b
remainder ~ a % b

注意：复杂运算时，中间步聚会有临时变量，这会拖慢运算速度。

如：

x = a*b + c

等价于

t = a*b
x = t + c
del t

所以可手动优化

x = a * b
x += c

二维数组转一维

> a
array([[ 1, 2, 3, 4],
  [ 4, 5, 6, 7],
  [ 7, 8, 9, 10]])
> a.ravel()
array([ 1, 2, 3, 4, 4, 5, 6, 7, 7, 8, 9, 10])

reshape函数可重新定义大小。

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。

numpy.array,操作,numpy.array,使用

标签：

numpy.array,操作,numpy.array,使用

圆月山庄资源网 Design By www.vgjia.com

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：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com

圆月山庄资源网 Design By www.vgjia.com

评论“numpy.array 操作使用简单总结”

暂无评论...

www.vgjia.com 圆月山庄资源网

139,976互联网资源

144,792高清电影

21,817无损音乐

631,128技术资源

稳了！魔兽国服回归的3条重磅消息！官宣时间再确认！

昨天有一位朋友在大神群里分享，自己亚服账号被封号之后居然弹出了国服的封号信息对话框。

这里面让他访问的是一个国服的战网网址，com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后，确实是网易的网址，也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情，因为以前都没有出现这样的情况，现在突然提示跳转到国服战网的网址，是不是说明了简体中文客户端已经开始进行更新了呢？

更新日志

2024年11月05日

numpy.array 操作使用简单总结

numpy.array,操作,numpy.array,使用

Python单元测试与测试用例简析

python自动化测试之异常及日志操作实例分析

评论“numpy.array 操作使用简单总结”

稳了！魔兽国服回归的3条重磅消息！官宣时间再确认！

更新日志

友情链接