Numpy 模块的使用

1.数组的创建

range、np.array、np.zeros、np.ones、np.full、np.arange

#  文件介绍了numpy创建数组的一些基本操作
#  是之后学习AI的一个重要基础
import array
import numpy as np
L= list(range(0,10))
print(L)
A = array.array('i', L)       #  i表示数据结构为整形
print(A)arr=np.array([1, 4, 2, 5, 3])  #NumPy 要求数组必须包含同一类型的数据。
print(arr)#明确要求数据类型
arr2=np.array([1.12, 2, 3, 4], dtype='float32')
print(arr2)arr3=np.array([range(i, i + 3) for i in [2, 4, 6]])
print(arr3)arr4=np.array(range(1,10))
print(arr4)arr5=np.zeros((2,5),dtype='float32')
print(arr5)
arr5=np.ones((3,5),dtype=int)
print(arr5)
##  自定义
print(np.full((2,2),3.14,dtype='float32'))# 创建一个3×5的浮点型数组， 数组的值是一个线性序列
# 从0开始， 到20结束， 步长为2
# （它和内置的range()函数类似）
print(np.arange(0, 20, 2))

np.linspace、np.random.random、np.random.normal、np.random.randint、np.eye、np.empty

# 创建一个5个元素的数组， 这5个数均匀地分配到0~1
print(np.linspace(0, 10, 5))# 创建一个3×3的、 在0~1均匀分布的随机数组成的数组
print(np.random.random((3, 3)))# 创建一个3×3的、 均值为0、 方差为1的
# 正态分布的随机数数组
arr=np.random.normal(0, 1, (3, 3))
print('arr[0][0]:',arr[0][0])# 创建一个3×3的、 [0, 10)区间的随机整型数组
print(np.random.randint(0, 10, (3, 3)))# 创建一个3×3的单位矩阵
print(np.eye(3))# 创建一个由3个整型数组成的未初始化的数组
# 数组的值是内存空间中的任意值
print(np.empty(3))

2.数组的属性及索引

import numpy as np#数组的属性
np.random.seed(0) # 设置随机数种子
x1 = np.random.randint(10, size=6)         # 一维数组
x2 = np.random.randint(10, size=(3, 4))    # 二维数组
x3 = np.random.randint(10, size=(3, 4, 5)) # 三维数组# nidm（数组的维度） 、 shape（数组每个维度的大小） 、size（数组的总大小）
print("x3 ndim: ", x3.ndim)
print("x3 shape:", x3.shape)
print("x3 size: ", x3.size)
#每个数组元素字节大小的 itemsize， 以及表示数组总字节大小的属性 nbytes
print("itemsize:", x3.itemsize, "bytes")
print("nbytes:", x3.nbytes, "bytes")#数组的索引
#多维数组中， 可以用逗号分隔的索引元组获取元素
print(x2[0,0])

3. 数组的切片

#本部分介绍数组的切片  获取子数组
#用切片（slice） 符号 获取子数组， 切片符号用冒号（:）
import numpy as np
x = np.arange(10)
print( x[:5]  )
print( x[::2] ) # 每隔一个元素
print( x[1::2]) # 每隔一个元素， 从索引1开始
#  多维子数组
x2=np.random.randint(0,10,(3,3))
print(x2[:2, :3]) # 两行， 三列
print(x2[:, 0])   # x2的第一列
print(x2[0, :])   # x2的第一行

4.数组的变形 reshape()函数

import numpy as np
#可以发现前两个print出来的内容是一样的 并没修改原始数组
grid = np.arange(1, 10)
grid.reshape((3, 3))
arr=grid.reshape((3, 3))

5.数组的拼接和连接

#拼接或连接 NumPy 中的两个数组主要由
# np.concatenate、 np.vstack 和 np.hstack 例程实现
import numpy as np
x = np.array([1, 2, 3])
y = np.array([3, 2, 1])
print(np.concatenate([x, y]))
z = [99, 99, 99]
print(np.concatenate([x, y, z]))#  np.concatenate 也可以用于二维数组的拼接：
grid = np.array([[1, 2, 3],[4, 5, 6],[7,8,9]])
print(np.concatenate([grid,grid]))# 沿着第二个轴拼接（从0开始索引）
print(np.concatenate([grid, grid], axis=1))#沿着固定维度处理数组时， 使用 np.vstack（垂直栈）
# 和np.hstack（水平栈） 函数
x = np.array([1, 2, 3])
grid = np.array([[9, 8, 7],[6, 5, 4]])
# 垂直栈数组
np.vstack([x, grid])

Numpy 模块的使用相关推荐

python numpy模块
目录 numpy模块一维数组二维数组(用的最多的) 获取多维数组的行和列多维数组的索引高级功能多维数组的元素的替换通过函数方法创建多维数组矩阵的运算点乘和转置(了解) 点乘必须 m*n ...
python3.5怎么使用-Python3.5中NumPy模块的使用图文教程
Python3.5基础之NumPy模块的使用图文与实例详解本文实例讲述了Python3.5基础之NumPy模块的使用.分享给大家供大家参考,具体如下: 1.简介 2.多维数组--ndarray #! ...
python安装numpy-Python使用pip安装Numpy模块
安装Numpy模块一般有两种安装方法: 一:下载模块对应的.exe文件,直接双击运行安装二:下载模块对应的.whl文件,使用pip安装对于exe文件的安装比较简单,都是双击运行,这里就不说了. 这 ...
python安装numpy模块-python的numpy模块安装不成功简单解决方法总结
为了画个图,被numpy这个模块的安装真的折腾疯了!!!一直装不上,花了几个小时,看了网上的很多教程.方法发现总结得不是很全,这里总结一下,防止大家再出现这个问题没有解决方法. Python的魅力之一 ...
python np fft_Python的武器库05：numpy模块(下)
说到编程语言python,有一个著名的格言"余生太短,只用python".如果要分析为什么会存在这么一句格言?python的语法并不简单,有复杂难懂的部分,之所以又这样一句格言,是 ...
【机器学习入门笔记11：numpy模块实现矩阵的增删改查】20190217
2019-02-17 by 崔斐然除了TensorFlow设置的矩阵之外,我们还可以通过numpy模块使用矩阵. 我们先在anaconda中参考笔记1中的配置方法安装numpy. 下面我们通过nu ...
Python中的Numpy模块（1，numpy创建）
1.什么是Numpy? Numpy (Numeric Python) Numpy系统是Python中的一种开源的数值计算扩展. (1) 一个强大的N维数组对象Array (2) 比较成熟的 ...
python用pip安装numpy完整命令_Python使用pip安装Numpy模块
安装Numpy模块一般有两种安装方法: 一:下载模块对应的.exe文件,直接双击运行安装二:下载模块对应的.whl文件,使用pip安装对于exe文件的安装比较简单,都是双击运行,这里就不说了. 这 ...
100道练习题，玩转Numpy模块！(上)
100道练习题,玩转Numpy模块!(上) Numpy 介绍 Numpy 是 Python 做数据分析所必须要掌握的基础库之一.以下为入门 Numpy 的100题小练习,原为 github 上的开源项 ...
python numpy安装步骤-python的numpy模块安装不成功简单解决方法总结
为了画个图,被numpy这个模块的安装真的折腾疯了!!!一直装不上,花了几个小时,看了网上的很多教程.方法发现总结得不是很全,这里总结一下,防止大家再出现这个问题没有解决方法. Python的魅力之一 ...

Numpy 模块的使用

1.数组的创建

range、np.array、np.zeros、np.ones、np.full、np.arange

np.linspace、np.random.random、np.random.normal、np.random.randint、np.eye、np.empty

2.数组的属性及索引

3. 数组的切片

4.数组的变形 reshape()函数

5.数组的拼接和连接

Numpy 模块的使用相关推荐

最新文章

热门文章