python对数组的操作_Python Numpy库对数组的操作详解,
详细内容
1. 简介
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的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。最主要的数据结构是ndarray数组。
NumPy 通常与 SciPy(Scientific Python)和 Matplotlib(绘图库)一起使用, 这种组合广泛用于替代 MatLab。
SciPy 是一个开源的 Python 算法库和数学工具包。SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。
Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。
2. 创建
创建一维数组
(1)直接创建:np.array([1, 2, 3, 4, 5, 6])
(2)从python的list中建立:np.array(list([1, 2, 3, 4, 5, 6]))
创建常量值的一维数据
(1)创建以0为常量值:np.zeros(n,dytpe=float/int)
(2)创建以1为常量值:np.ones(n)
(3)创建一个空数组:np.empty(4)
创建一个元素递增的数组
(1)从0开始增长的递增数组:np.arange(8)
(2)给定区间,自定义步长:np.arange(0,1,0.2)
(3)给定区间,自定义个数:np.linspace(-1,1,50)
创建多维数组:创建单维数组,再添加进多维数组# 数组的结构一定是np.array([]) 无论数组中间存放的是多少“层”数据
# 二维数组相当于存放的是“两层”数组而已
arr1=np.array(list([1, 2, 3, 4, 5]))
arr2=np.array([arr1,[1,0,0,1,0]]) # 2*5的两维数组
arr3=np.array(list([[0,0,1,1,1],[1,1,1,0,0],[2,3,4,5,6]])) # 3*5的两维数组
arrx=np.array([arr1,list([1, 2, 3, 4, 5],[1,1,1,0,0])]) # 报错
arry=np.array([list([[ 1,2,3, 7, 11],[2,3,4,5,6]]),[1, 2, 3, 4, 5]]) # 报错
相关推荐:《python视频教程》
创建常量值的(n*m)维数据
(1)创建以0为常量值:np.zeros((n*m),dytpe=float/int)
(2)创建以1为常量值:np.ones((n*m))
(3)创建一个空数组:np.empty((n*m))
创建随机数字的数组
生成随机数种子:
(1)np.random.seed()
(2)np.random.RandomState()
生成随机数:
生成有分布规律的随机数组
(1)二项分布:np.random.binomial(n, p, size)
(2)正态分布:np.random.normal(loc, scale, size)
将csv文件转化成数组或阵列
使用 np.genfromtxt( ‘csv文件名’,delimiter = ‘文件中的分割符’ )函数将文件转化成数组csv_array = np.genfromtxt('sample.csv', delimiter=',')
print(csv_array)
3. 数组的变形
生成数组/矩阵转置的函数,即行列数字交换,使用.Ta = np.array([[32, 15, 6, 9, 14],
[12, 10, 5, 23, 1],
[2, 16, 13, 40, 37]])
print(a.T)
-------------------
# 结果如下
[[32 12 2]
[15 10 16]
[ 6 5 13]
[ 9 23 40]
[14 1 37]]
改变数组的形状:
(1)arr.resize(n,m) :arr.resize(n,m)函数是原地修改数组,要求:元素的个数必须一致a=np.arange(8)
a.resize(2,4)
print(a)
---------------------------
[[0 1 2 3]
[4 5 6 7]]
(2)arr.reshape(n,m):如果某一个维度的参数为-1,则表示元素总个数会迁就另一个维度来计算a=np.arange(8).reshape(-1,1)
print(a)
-----------------
[[0]
[1]
[2]
[3]
[4]
[5]
[6]
[7]]
将一维升至二维:np.newaxis
np.newaxis实际上是直接增加维度的意思,我们一般不会给数组增加太多维度,这里以一维增加到二维为例:
(1)增加行维度:arr[np.newaxis, :]
(2)增加列维度:arr[: , np.newaxis]a=np.arange(8)
a # array([0, 1, 2, 3, 4, 5, 6, 7])
a.shape # (8,)
a[np.newaxis, :] # array([[0, 1, 2, 3, 4, 5, 6, 7]])
a.shape # (8,)
a[: , np.newaxis] # array([[0],[1],[2],[3],[4],[5],[6],[7]])
a.shape # (8,)
降维:arr.ravel()
arr.ravel()函数在降维时:默认是行序优先生成新数组(就是一行行读);如果传入参数“F”则是列序降维生成新数组a=np.array([[1,2],[3,4]])
a.ravel()
a.ravel('F')
----------------------------
# 结果 array([1, 2, 3, 4])
# 结果 array([1, 3, 2, 4])
4. 计算
对数组进行计算操作
(1)对元素进行加减计算a=np.arange(8).reshape(2,4) # array([[0, 1, 2, 3], [4, 5, 6, 7]])
b=np.random.randint(8,size=(2,4)) # array([[1, 2, 5, 3], [4, 1, 0, 6]])
a+b
a-b
----------------------------
# a+b和a-b结果分别是:
array([[ 1, 3, 7, 6],
[ 8, 6, 6, 13]])
array([[-1, -1, -3, 0],
[ 0, 4, 6, 1]])
(2)乘法:平方/矩阵中元素相乘a=np.arange(8).reshape(2,4) # array([[0, 1, 2, 3], [4, 5, 6, 7]])
b=np.random.randint(8,size=(2,4)) # array([[1, 2, 5, 3], [4, 1, 0, 6]])
a**2
a*b
-----------------------
# a矩阵平方/a*b矩阵中元素相乘结果分别:
array([[ 0, 1, 4, 9],
[16, 25, 36, 49]])
array([[ 0, 2, 10, 9],
[16, 5, 0, 42]])
(3)矩阵*矩阵:# 要求a矩阵的行要等于b矩阵的列数;且a矩阵的列等于b矩阵的行数
a=np.arange(8).reshape(2,4) # array([[0, 1, 2, 3], [4, 5, 6, 7]])
b=np.random.randint(8,size=(4,2)) # array([[3, 0],[3, 3],[5, 6],[6, 7]])
c1 = np.dot(a,b)
c2 = a.dot(b)
----------------------
# ab矩阵相乘的结果:c1=c2
array([[ 31, 36],
[ 99, 100]])
(4)逻辑计算
【注】列表是无法作为一个整体对其中的各个元素进行逻辑判断的!# 结果返回:一个数组,其中每个元素根据逻辑判断的布尔类型的结果
a > 3
-----------------------------
# 结果如下:
array([[False, False, False, False],
[ True, True, True, True]])
5. 取值
获取一维数组中的某个元素:操作和list列表的index一样a = np.array([5, 2, 7, 0, 11])
a[0] # 结果为 5
a[:4] # 结果为 从头开始到索引为4结束
a[2:] # 结果为 从索引为2的开始到结尾
a[::2] # 结果为 从头开始到结尾,每2个取一个值
获取多维数组的某个元素,某行或列值a = np.array([[32, 15, 6, 9, 14],
[12, 10, 5, 23, 1],
[2, 16, 13, 40, 37]])
a[2,1] # 结果是一个元素 16
a[2][1] # 结果是一个元素 16
a[1] # 第2行 array([12, 10, 5, 23, 1])
a[:,2] # 取出全部行,第2列 [15,10,16]
a[1:3, :] # 取出[1,3)行,全部列
a[1,1:] # array([10, 5, 23, 1])
获取满足逻辑运算的# 需要注意的是,我们数据进行逻辑计算操作得到的仍然是一个数组
# 如果我们想要的是一个过滤后的数组,就需要将"逻辑判断"传入数组中
a = np.array([[32, 15, 6, 9, 14],
[12, 10, 5, 23, 1],
[2, 16, 13, 40, 37]])
a[a > 3]
a[(a > 3) | (a < 2)]
------------------------------
# 结果分别是:
array([32, 15, 6, 9, 14, 12, 10, 5, 23, 16, 13, 40, 37])
array([32, 15, 6, 9, 14, 12, 10, 5, 23, 1, 16, 13, 40, 37])
遍历:结果是按行输出a = np.array([[32, 15, 6, 9, 14],
[12, 10, 5, 23, 1],
[2, 16, 13, 40, 37]])
for x in a:
print(x)
--------------------
[32 15 6 9 14]
[12 10 5 23 1]
[ 2 16 13 40 37]
6. 复制/分割/合并
复制:arr.cope()
分割:
(1)等分:np.split(arr, n, axis=0/1)(即行数或列数可以整除n时才可以)
(2)不等分:np.array_split(arr, n) 默认按行分n份a = np.array([[32, 15, 6, 9, 14, 21],
[12, 10, 5, 23, 1, 10],
[2, 16, 13, 40, 37, 8]])
# 可以看到a矩阵是(3*6),所以使用np.split()只能尝试行分成3份;或者列分成2/3/6份
np.split(a,3,axis=0)
np.split(a,3,axis=1)
np.array_split(a,2)
np.array_split(a,4,axis=1)
-------------------------------------------
[array([[32, 15, 6, 9, 14, 21]]),
array([[12, 10, 5, 23, 1, 10]]),
array([[ 2, 16, 13, 40, 37, 8]])]
[array([[32, 15],
[12, 10],
[ 2, 16]]), array([[ 6, 9],
[ 5, 23],
[13, 40]]), array([[14, 21],
[ 1, 10],
[37, 8]])]
[array([[32, 15, 6, 9, 14, 21],
[12, 10, 5, 23, 1, 10]]), array([[ 2, 16, 13, 40, 37, 8]])]
[array([[32, 15],
[12, 10],
[ 2, 16]]), array([[ 6, 9],
[ 5, 23],
[13, 40]]), array([[14],
[ 1],
[37]]), array([[21],
[10],
[ 8]])]
合并:np.concatenate((arr1,arr2,arr3), axis=0/1) 默认接在数据下面a=np.random.rand(2,3)
b=np.random.randint(1,size=(2,3))
np.concatenate((a,b,a)) # 接在下面
np.concatenate((a,b,a),axis=1) # 接在后面
------------------------
array([[0.95912866, 0.81396527, 0.809493 ],
[0.4539276 , 0.24173315, 0.63931439],
[0. , 0. , 0. ],
[0. , 0. , 0. ],
[0.95912866, 0.81396527, 0.809493 ],
[0.4539276 , 0.24173315, 0.63931439]])
array([[0.95912866, 0.81396527, 0.809493 , 0. , 0. ,
0. , 0.95912866, 0.81396527, 0.809493 ],
[0.4539276 , 0.24173315, 0.63931439, 0. , 0. ,
0. , 0.4539276 , 0.24173315, 0.63931439]])
python对数组的操作_Python Numpy库对数组的操作详解,相关推荐
- python的threading库_python标准库介绍——31 threading 模块详解
threading 模块 (可选) ``threading`` 模块为线程提供了一个高级接口, 如 [Example 3-1 #eg-3-1] 所示. 它源自 Java 的线程实现. 和低级的 ``t ...
- python标准库对象导入语句_Python标准库之Sys模块使用详解
sys 模块提供了许多函数和变量来处理 Python 运行时环境的不同部分. 处理命令行参数 在解释器启动后, argv 列表包含了传递给脚本的所有参数, 列表的第一个元素为脚本自身的名称. 使用sy ...
- python标准库random中函数的作用_Python随机函数库random的使用方法详解
Python随机函数库random的使用方法详解 前言 众所周知,python拥有丰富的内置库,还支持众多的第三方库,被称为胶水语言,随机函数库random,就是python自带的标准库,他的用法极为 ...
- python生成二维码_python生成二维码的实例详解
python生成二维码的实例详解 版本相关 操作系统:Mac OS X EI Caption Python版本:2.7 IDE:Sublime Text 3 依赖库 Python生成二维码需要的依赖库 ...
- python字符串strip的作用_Python字符串函数strip()原理及用法详解
Python字符串函数strip()原理及用法详解 strip:用于移除字符串头尾指定的字符(默认为空格)或字符序列.注意:该方法只能删除开头或是结尾的字符,不能删除中间部分的字符. 语法:str.s ...
- python内置序列类型_Python序列内置类型之元组类型详解
Python序列内置类型之元组类型详解 1.元祖的概念 Python中的元组与列表类似,都是一个序列,不同的是元组的元素不能修改而已. 2.元组的创建 元组使用小括号,列表使用方括号. tup = ( ...
- python在统计专业的应用_Python统计学一数据的概括性度量详解
一.数据的概括性度量 1.统计学概括: 统计学是应用数学的一个分支,主要通过利用概率论建立数学模型,收集所观察系统的数据,进行量化的分析.总结,并进而进行推断和预测,为相关决策提供依据和参考.统计学主 ...
- python的常量和变量_python中的常量和变量代码详解
局部和全局变量: # name='lhf' # def change_name(): # # global name # name='帅了一比' # print('change_name',name) ...
- 用python编写nao机器人舞蹈_python控制nao机器人身体动作实例详解
python控制nao机器人身体动作实例详解 发布时间:2020-10-23 09:18:22 来源:脚本之家 阅读:89 本文实例为大家分享了python控制nao机器人身体动作的具体代码,供大家参 ...
- python爬虫常见报错_Python爬虫常见HTTP响应状态码详解
在使用Python进行网页数据抓取时,经常会遇到无数据返还或错误等异常,这个时候可以通过status_code命令来查看获得http请求返回的状态码,以便查找原因并制定相应的解决方案.import r ...
最新文章
- python比较excel表格内容并提取_python 实现excel数据的提取和整理
- 水平分库分表的关键步骤以及可能遇到的问题
- 作者:杨静(1979-),女,博士,合肥工业大学计算机与信息学院副教授
- 内网转外网方法 Sunny-Ngrok
- 超9000万LoRa节点,全球物联网的事实标准已形成?
- 年轻人的钱包,被十一假期榨干了
- power bi报表服务器_如何将Power BI Report Server报表嵌入ASP.Net Web应用程序
- ACM模板——线段树树状数组ST表
- 2. Mysql 升级 与 升级后 mysql --version 和 select version() 不一致问题
- 洛谷 P3987 我永远喜欢珂朵莉~(Splay+BIT+无限卡常)
- JavaScript 每日一题---LeetCode 122. 买卖股票的最佳时机 II
- 2022跨年烟花代码(三)HTML5点击页面烟花绽放特效
- vue-项目使用过程中遇到的一些问题
- C语言:成绩等级划分!
- 合成资产赛道之Mirror Protocol
- c# WPF中System.Windows.Interactivity的使用
- dB 、dBSPL、dBFS、dBTP
- 杰理之音量控制【篇】
- 密码学Chapter4、5作业
- 类中无错误显示,但类名出线红色波浪线
热门文章
- 运用正则表达式在Asp中过滤Html标签代码的四种不同方法
- Swift - iCloud存储介绍
- 日志系统实战(一)—AOP静态注入
- 在.net中使用sqlite
- Whidbey——C#前瞻
- pr生成html文件格式,pr支持哪些格式
- java 多线程发送邮件_Java实现多线程邮件发送
- c#数据库连接总结2上篇(通过数据库进行登入和注册)
- 循环中需要调用异步怎么确保执行完再执行其他的_JavaScript的工作原理:事件循环及异步编程...
- 计算机二级java应用题怎么答,2015年计算机二级考试JAVA基本操作和简单应用题