list array解析(总算清楚一点了)
# -*- coding: utf-8 -*- """ Created on Tue Aug 09 23:04:51 2016@author: Administrator """import numpy as np'''python中的list是python的内置数据类型,list中的数据类不必相同的,而array的中的类型必须全部相同。在list中的数据类型保存的是数据的存放的地址,简单的说就是指针,并非数据,这样保存一个list就太麻烦了,例如list1=[1,2,3,'a']需要4个指针和四个数据,增加了存储和消耗cpu。numpy中封装的array有很强大的功能,里面存放的都是相同的数据类型 ''' #模块1 array list 基本展示 list1=[1,2,3,'a'] print list1 a=np.array([1,2,3,4,5]) b=np.array([[1,2,3],[4,5,6]]) c=list(a) # array到list的转换 print a,np.shape(a) print b,np.shape(b) print c,np.shape(c) ''' [1, 2, 3, 'a'] [1 2 3 4 5] (5L,) [[1 2 3][4 5 6]] (2L, 3L) [1, 2, 3, 4, 5] (5L,) '''''' whos Variable Type Data/Info ------------------------------- a ndarray 5L: 5 elems, type `int32`, 20 bytes b ndarray 2Lx3L: 6 elems, type `int32`, 24 bytes c list n=5 list1 list n=4 np module <module 'numpy' from 'C:\<...>ages\numpy\__init__.pyc'> '''#模块2 #创建:array的创建:参数既可以是list,也可以是元组.使用对应的属性shape直接得到形状 print '222222222222222222222222222222222222222222\n' a=np.array((1,2,3,4,5))# 参数是元组 b=np.array([6,7,8,9,0])# 参数是list c=np.array([[1,2,3],[4,5,6]])# 参数二维数组 print a,b print c.shape #[1 2 3 4 5] [6 7 8 9 0] (2L, 3L) #print a,b, #[1 2 3 4 5] [6 7 8 9 0] #(2L, 3L) 注意:print 后面加上 \n 换行;注意:print a,b b后面没有,换行了,如果有,不换行#模块3 也可以直接改变属性array的形状,-1代表的是自己推算 print '33333333333333333333333333333333333333333333\n' c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]]) print c.shape # (3L, 4L) c.shape=4,-1 print c c.reshape(2,-1) print c print 'reshape产生新的变量' x = c.reshape(2,-1) print x ''' 33333333333333333333333333333333333333333333(3L, 4L) [[ 1 2 3][ 4 4 5][ 6 7 7][ 8 9 10]] [[ 1 2 3][ 4 4 5][ 6 7 7][ 8 9 10]] reshape产生新的变量 [[ 1 2 3 4 4 5][ 6 7 7 8 9 10]] ''' ''' 里的reshape最终相当于是一个浅拷贝,也就是说还是和原来的书c使用相同的内存空间 ''' x[0]=1000 print x print c ''' 33333333333333333333333333333333333333333333(3L, 4L) [[ 1 2 3][ 4 4 5][ 6 7 7][ 8 9 10]] [[ 1 2 3][ 4 4 5][ 6 7 7][ 8 9 10]] reshape产生新的变量 [[ 1 2 3 4 4 5][ 6 7 7 8 9 10]] [[1000 1000 1000 1000 1000 1000][ 6 7 7 8 9 10]] [[1000 1000 1000][1000 1000 1000][ 6 7 7][ 8 9 10]] '''#模块4 前面在创建数组的时候并没有使用数据类型,这里我们也可以使用数据类型。默认的是int32. a1=np.array([[1,2,3],[4,5,6]],dtype=np.float64) print a1.dtype,a.dtype #float64 int32#模块5 前面在创建的时候我们都是使用的np.array()方法从tuple或者list转换成为array,感觉很是费劲,numpy自己提供了很多的方法让我们自己直接创建一个array. arr1=np.arange(1,10,1) arr2=np.linspace(1,10,10) print arr1,arr1.dtype print arr2,arr2.dtype ''' [1 2 3 4 5 6 7 8 9] int32 [ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.] float64 np.arange(a,b,c)表示产生从a-b不包括b,间隔为c的一个array,数据类型默认是int32。但是linspace(a,b,c)表示的是把a-b平均分成c分,它包括b。 '''#模块6 有时候我们需要对于每一个元素的坐标进行赋予不同的数值,可以使用fromfunction函数 print '666666666666666666\n' def fun(i): return i%4+2 print np.fromfunction(fun,(10,)) #[ 2. 3. 4. 5. 2. 3. 4. 5. 2. 3.] def fun2(i,j):return (i+1)*(j+1) print np.fromfunction(fun2,(9,9)) ''' 虽然说,这里提供了很多的直接产生array的方式,但是大部分情况我们都是会从list进行转换,因为在实际的处理中,我们需要从txt加载文件,那样直接读入的数据显示存放到list中, 需要处理的时候我们转换到array,因为array的设计更加符合我们的使用,涉及到矩阵的运算在使用mat,那么list主要就是用进行元素的索取。 ''' def loaddataSet(fileName): file=open(fileName) dataMat=[] for line in file.readlines(): curLine=line.strip().split('\t') floatLine=map(float,curLine) #这里使用的是map函数直接把数据转化成为float类型 dataMat.append(floatLine) return dataMat #上面的返回最终的数据就是最初的list数据集,再根据不同的处理需求是转化到array还是mat。其实array是mat的父类,能用mat的地方,array理论上都能传入。#模块7 元素访问: arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) print '77777777777777777' '''一维数组方法 arr[5] #5 arr[3:5] #array([3, 4]) arr[:5] #array([0, 1, 2, 3, 4]) arr[:-1]# array([0, 1, 2, 3, 4, 5, 6, 7, 8]) arr[:] #array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) arr[2:4]=100 # array([ 0, 1, 100, 100, 4, 5, 6, 7, 8, 9]) arr[1:-1:2] #array([ 1, 100, 5, 7]) 2 是间隔 arr[::-1] #array([ 9, 8, 7, 6, 5, 4, 100, 100, 1, 0]) arr[5:2:-1]# -1的间隔表示从右向左所以5>2 #array([ 5, 4, 100]) '''#我们再来看看二维的处理方式 c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]]) print c[1] print c[1:2] print c[1][2] print c[1:4] print c[1:4][0][2] ''' [4 5 6 7] [[4 5 6 7]] 6 [[ 4 5 6 7][ 7 8 9 10]] 6 可以看出对于有:的表达最终的结果外面还嵌套一层list的[],。访问的一定要注意,python最bug的就是,语法 灵活,不管怎样写索引语法都是正确的,但是最终的书结果却让你大跌眼镜。 还有array的索引最终产生的是一个一个原始数据的浅拷贝,还和原来的数据共用一块儿内存 ''' b=arr[1:6] b[:3]=0 print b#产生上面的原因是因为array中直接存放的数据,拷贝的话直接拿走的是pointer,没有取走数据,但是list却会直接发生深拷贝,数据指针全部带 list1=list(c) list1[1]=0 print list1 #上面修改的0并没有被改变 print c #[array([1, 2, 3, 4]), 0, array([ 7, 8, 9, 10])]#模块8 ''' 除了这些之外还有自己的更加牛掰的方式(只能用array) 1)使用布尔数组.感觉甚是强大,就不要自己写什么判断语句啦,注意这种方式得到结果不和原始数组共享空间。 布尔索引仅仅适用于数组array,list没资格用。布尔索引最终得到下标索引为true的数据。索引只能是布尔数组 ''' print '888888888888\n' a=np.array((1,2,3,4,5))# 参数是元组 a=np.array(a*2) print a[a>5] #[ 6 8 10] print a>5 # [False False True True True]#列表索引可以是数组和list。返回的数据不和原来的数据共享内存。索引可以是list和array x=np.arange(10) index=[1,2,3,4,5] arr_index=np.array(index) print x print x[index] # list索引 print x[arr_index] # array索引 print '8-1' a=np.arange(10) lista=list(a) print a*2 print lista*2 #大跌眼镜,数组和list的乘积很吓人''' [ 0 2 4 6 8 10 12 14 16 18] [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9] '''#模块9 array的广播 print '9\n' a = np.arange(0, 60, 10).reshape(-1, 1) b = np.arange(0, 5) print a print b print np.add(a,b)
转载于:https://www.cnblogs.com/qqhfeng/p/5755162.html
list array解析(总算清楚一点了)相关推荐
- 解析稍微复杂一点的数据
碰到如上图所示的数据需要我们解析,用"name"的值作为分区头标题,用上图所圈起来的字典作为一个model,我们可以用两种方式解析: 第一种方式:就是使用一个数组和一个字典,数组用 ...
- ExtJS EditorGridPanel 示例之Array格式(自定义Array解析器)Store前后台增删改查
本示例入口html页面: <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http: ...
- php怎样解析数组,PHP 数组 Array 解析
官方介绍 PHP 数组实际上是一个有序的映射(map),映射是一种把多个值(values)关联到对应的多个键(keys)的类型.这种映射类型在很多方面做了优化,因此可以把它当成真正的数组(就是上面说的 ...
- java webservice wsimport 无法将名称 'soapenc:Array' 解析为 'type definition' 组件 时对应的解决方法...
(一):代码如下: package com.enso.uploaddata;import org.apache.axis.client.Call; import org.apache.axis.cli ...
- 使用JSONObject生成和解析json
使用JSONObject生成和解析json 1. json数据类型 类型 描述 Number 数字型 String 字符串型 Boolean 布尔型 Array 数组 Object 对象 null 空 ...
- JSON解析与XML解析的区别
JSON与XML的区别比较 1.定义介绍 (1).XML定义 扩展标记语言 (Extensible Markup Language, XML) ,用于标记电子文件使其具有结构性的标记语言,可以用来标记 ...
- iOS - XML 数据解析
前言 @interface NSXMLParser : NSObjectpublic class NSXMLParser : NSObject 1.XML 数据 XML(Extensible Mark ...
- js解析json字符串数组
json解析字符串数据 例如如下: var array= [ {}, {}, { [ {}, {}, {}, ] } ] 解析json数组 一般是$.each(array,function(i,val ...
- php xml expat,PHP Expat :XML的解析器
本文中,我将讨论任何用PHP内建的Expat解析器来处理XML文档.通过范例,我将演示Expat的处理方法.同时,范例可以告诉你如何: 建立你自己的处理函数 将XML文档转换成你自己的PHP数据结构 ...
最新文章
- Android系统手机端抓包方法
- 苹果原壁纸高清_苹果壁纸 | 高清图片全面屏壁纸
- 密码学笔记——zip明文攻击
- (六)jQuery选择器
- leetcode1442. 形成两个异或相等数组的三元组数目
- linux进程管理 ps,Linux - 进程管理,ps与top
- 清华大学计算机系网络课程视屏,清华大学计算机系网络课程
- 微型计算机控制系统一般结构框图,微型计算机控制系统的组成-精品文档.ppt
- 全球与中国乳制品替代杏仁制品市场深度研究分析报告
- c语言编程八卦方位,易经手掌八卦图,如何C语言编程画一个彩色的周易八卦图...
- thread-specific stroage模式 一个线程一个储物柜
- ICLR2020国际会议精彩演讲抢先看(含源码)!!
- Java--mysql 的数据类型对照(映射)表
- java 数字转化为汉字_工具类_java 数字转化为汉字大写
- 自定义通信协议设计之TLV编码应用
- 金立生命倒计时:破产清算官网无法打开,创始人被曝赌博输十亿不知所踪
- 1970-2017年各国金融开放度指数 Chinn-Itoindex (KAOPEN)
- 嵌入式Linux根文件系统制作
- might和could的区别用法_综合能力_谁知道Can、Could、May和Might的区别__沪江网
- 光机电一体化高速分拣实训系统
热门文章
- 浅析phpwind9.0之登陆机制
- 毕业设计之路(2)——初识TCP
- 关于 运行root.sh 时出错误Timed out waiting for the CRS stack to start.的解决
- android xml: xliff:g
- android studio import android-source-code
- Android Bundle--ArrayMap详解
- 解决 from torch._C import *ImportError: DLL load failed: 找不到指定的程序。
- Git多人协作工作流程
- D. Imbalanced Array
- 搭建一个自己的SVN服务器