python中文读音ndarray-numpy中的ndarray方法和属性详解

NumPy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推。在NumPy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量。比如说，二维数组相当于是一个一维数组，而这个一维数组中每个元素又是一个一维数组。所以这个一维数组就是NumPy中的轴（axes），而轴的数量——秩，就是数组的维数。

Numpy库中的矩阵模块为ndarray对象，有很多属性：T，data, dtype,flags,flat,imag,real,size,

itemsize,nbytes,ndim,shape,strides,ctypes,base等等。

>>> import numpy as np

>>> x=np.array([[1,2,3],[9,8,7],[6,5,4]])

>>> x.T #获得x的转置矩阵

array([[1, 9, 6],

[2, 8, 5],

[3, 7, 4]])

>>> print x.flags #返回数组内部的信息

C_CONTIGUOUS : True

F_CONTIGUOUS : False

OWNDATA : True

WRITEABLE : True

ALIGNED : True

UPDATEIFCOPY : False

>>> x.flat[2:6] #将数组变为1维数组，并获取其中的一部分数据

array([3, 9, 8, 7])

>>> x.flat = 4; x #将值赋给1维数组，再转化成有原有数组的大小形式

array([[4, 4, 4],

[4, 4, 4],

[4, 4, 4]])

>>> x

array([[4, 4, 4],

[4, 4, 4],

[4, 4, 4]])

ndarray.imag # 为复变函数中含有虚部的数组，如下：

>>> x = np.sqrt([2+3j, 5+0j]) # 创建一个复数

>>> x

array([ 1.67414923+0.89597748j, 2.23606798+0.j ])

>>> x.imag #获得复数的虚部

array([ 0.89597748, 0. ])

>>> x.real #获得复数的实部

array([ 1.67414923, 2.23606798])

>>> x=np.arange(10) #随机生成一个数组，并重新命名一个空间的数组

>>> x.reshape(2,5)

array([[0, 1, 2, 3, 4],

[5, 6, 7, 8, 9]])

>>> x.size #获得数组中元素的个数

>>> x.ndim #获得数组的维数

>>> x.shape #获得数组的（行数，列数）

(10,)

>>> y=x.reshape(5,2)

>>> y

array([[0, 1],

[2, 3],

[4, 5],

[6, 7],

[8, 9]])

>>> y.base #获得该数组基于另外一个对象数组而来，如下，y是根据x而来

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

Ndarray对象的方法

ndarray.ptp(axis=None, out=None) : 返回数组的最大值—最小值或者某轴的最大值—最小值

ndarray.clip(a_min, a_max, out=None) : 小于最小值的元素赋值为最小值，大于最大值的元素变为最大值。

ndarray.all()：如果所有元素都为真，那么返回真；否则返回假

ndarray.any()：只要有一个元素为真则返回真

ndarray.swapaxes(axis1, axis2) : 交换两个轴的元素，如下

>>> z.swapaxes(0,1)

array([[2, 4, 6, 8],

[3, 5, 7, 9]])

下面为改变数组维度和大小的方法：

ndarray.reshape(shape[, order]) :返回重命名数组大小后的数组，不改变元素个数.

ndarray.resize(new_shape[, refcheck]) :改变数组的大小（可以改变数组中元素个数）.

ndarray.transpose(*axes) :返回矩阵的转置矩阵

ndarray.swapaxes(axis1, axis2) : 交换两个轴的元素后的矩阵.

ndarray.flatten([order]) : 复制一个一维的array出来.

ndarray.ravel([order]) :返回为展平后的一维数组.

ndarray.squeeze([axis]) :移除长度为1的轴。

ndarray.tolist():将数组转化为列表

ndarray.take(indices, axis=None, out=None, mode='raise'):获得数组的指定索引的数据，如：

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

>>> a

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

>>> a.take([1,3],axis=1) #提取1，3列的数据

array([[ 1, 3],

[ 5, 7],

[ 9, 11]])

numpy.put(a, ind, v, mode='raise')：用v的值替换数组a中的ind（索引）的值。Mode可以为raise/wrap/clip。Clip：如果给定的ind超过了数组的大小，那么替换最后一个元素。

numpy.repeat(a, repeats, axis=None)：重复数组的元素，如：

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

>>> np.repeat(x, 2)

array([1, 1, 2, 2, 3, 3, 4, 4])

>>> np.repeat(x, 3, axis=1)

array([[1, 1, 1, 2, 2, 2],

[3, 3, 3, 4, 4, 4]])

>>> np.repeat(x, [1, 2], axis=0)

array([[1, 2],

[3, 4],

[3, 4]])

numpy.tile(A, reps)：根据给定的reps重复数组A，和repeat不同，repeat是重复元素，该方法是重复数组。

ndarray.var(axis=None, dtype=None, out=None, ddof=0)：返回数组的方差，沿指定的轴。

ndarray.std(axis=None, dtype=None, out=None, ddof=0)：沿给定的轴返回数则的标准差

ndarray.prod(axis=None, dtype=None, out=None)：返回指定轴的所有元素乘机

ndarray.cumprod(axis=None, dtype=None, out=None)：返回指定轴的累积，如下：

>>> a

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

>>> a.cumprod(axis=1) #得到竖轴的累积

array([[ 0, 0, 0, 0],

[ 4, 20, 120, 840],

[ 8, 72, 720, 7920]])

ndarray.mean(axis=None, dtype=None, out=None)：返回指定轴的数组元素均值

ndarray.cumsum(axis=None, dtype=None, out=None)：返回指定轴的元素累计和。如：

>>> a

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

>>> a.cumsum(axis=1)

array([[ 0, 1, 3, 6],

[ 4, 9, 15, 22],

[ 8, 17, 27, 38]])

ndarray.sum(axis=None, dtype=None, out=None)：返回指定轴所有元素的和

ndarray.trace(offset=0, axis1=0, axis2=1, dtype=None, out=None)：返回沿对角线的数组元素之和

ndarray.round(decimals=0, out=None)：将数组中的元素按指定的精度进行四舍五入，如下：

>>> np.around([0.37, 1.64])

array([ 0., 2.])

>>> np.around([0.37, 1.64], decimals=1)

array([ 0.4, 1.6])

>>> np.around([.5, 1.5, 2.5, 3.5, 4.5]) # rounds to nearest even value

array([ 0., 2., 2., 4., 4.])

>>> np.around([1,2,3,11], decimals=1) # ndarray of ints is returned

array([ 1, 2, 3, 11])

>>> np.around([1,2,3,11], decimals=-1)

array([ 0, 0, 0, 10])

ndarray.conj()：返回所有复数元素的共轭复数,如：

>>> b=np.array([[1+2j,3+0j],[3+4j,7+5j]])

>>> b

array([[ 1.+2.j, 3.+0.j],

[ 3.+4.j, 7.+5.j]])

>>> b.conj()

array([[ 1.-2.j, 3.-0.j],

[ 3.-4.j, 7.-5.j]])

ndarray.argmin(axis=None, out=None):返回指定轴最小元素的索引。

ndarray.min(axis=None, out=None)：返回指定轴的最小值

ndarray.argmax(axis=None, out=None)：返回指定轴的最大元素索引值

ndarray.diagonal(offset=0, axis1=0, axis2=1)：返回对角线的所有元素。

ndarray.compress(condition, axis=None, out=None)：返回指定轴上条件下的切片。

ndarray.nonzero()：返回非零元素的索引

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我们。

本文标题: numpy中的ndarray方法和属性详解

本文地址: http://www.cppcns.com/jiaoben/python/260923.html

python中文读音ndarray-numpy中的ndarray方法和属性详解相关推荐

python 数列筛选_对numpy中的数组条件筛选功能详解
在程序设计中,时常会遇到数据的唯一化.相同.相异信息的提取等工作,在格式化的向量存储矩阵中南,numpy能够提供比较不错的快速处理功能. 1,唯一化的实现: In [63]: data = np.ar ...
python中transpose函数_对numpy中的transpose和swapaxes函数详解
transpose() 这个函数如果括号内不带参数,就相当于转置,和.T效果一样,而今天主要来讲解其带参数. 我们看如下一个numpy的数组: `arr=np.arange(16).reshape(( ...
python中average什么意思_在Python3 numpy中mean和average的区别详解
mean和average都是计算均值的函数,在不指定权重的时候average和mean是一样的.指定权重后,average可以计算一维的加权平均值. 具体如下: import numpy as np ...
关于numpy中eye和identity的区别详解
https://www.jb51.net/article/175386.htm np.identity(n, dtype=None) np.eye(N, M=None, k=0, dtype=< ...
python format函数实例_python中强大的format函数实例详解
python中format函数用于字符串的格式化自python2.6开始,新增了一种格式化字符串的函数str.format(),此函数可以快速处理各种字符串. 语法它通过{}和:来代替%. 请看下 ...
python virtualenv conda_在vscode中启动conda虚拟环境的思路详解
问题:cudatoolkit cudnn 通过conda 虚拟环境安装,先前已经使用virtualenv安装tf,需要在conda虚拟环境中启动外部python虚拟环境思路:conda prompt ...
python中文读音ndarray-Python Numpy 控制台完全输出ndarray的实现
如下所示: import numpy as np np.set_printoptions(threshold=np.nan) print(ndarray) 当ndarray里面的存放的数据维度过大时, ...
numpy中的ndarray方法和属性详解
NumPy数组的维数称为秩(rank),一维数组的秩为1,二维数组的秩为2,以此类推.在NumPy中,每一个线性的数组称为是一个轴(axes),秩其实是描述轴的数量.比如说,二维数组相当于是一个一维数 ...
python中布尔类型是特殊的_Python中的特殊方法以及应用详解
前言 Python 中的特殊方法主要是为了被解释器调用的,因此应该尽量使用 len(my_object) 而不是 my_object.__len__() 这种写法.在执行 len(my_object) ...

python中文读音ndarray-numpy中的ndarray方法和属性详解

python中文读音ndarray-numpy中的ndarray方法和属性详解相关推荐

最新文章

热门文章