使用array创建数组

# coding=utf-8import numpy as np"""
利用array创建数组的简单介绍
"""print("使用array函数创建一维数组")
a = np.array([1, 2, 3, 4, 5, 6])
print(a)
print(type(a))print("使用array函数创建二维数组")
b = np.array([[1, 2], [2, 3], [4, 5]])
print(b)
print(type(b))print("使用array函数创建三维数组")
c = np.array([[[1, 2, 3], [4, 5, 6], [7, 8, 9]]])
print(c)
print(type(c))"""
array函数的常用方法
"""print(" array函数的dtype的使用:设置创建数组里面元素的类型")
d = np.array([1, 2, 3], dtype=float)
print(d)
print(type(d))print("array函数的ndim的使用:设置数组的维度")
e = np.array([1, 2, 3], dtype=float, ndmin=3)
print(e)

使用arange创建数组

# coding = utf-8import numpy as np# range的使用    range(start,end,step)    默认为[start,end)  step默认为1   start默认从0开始
print("从1开始，到5结束（不包含5），默认步长为1")
list1 = list(range(1, 5))
print(list1)print("默认从0开始，到5结束（不包含5），步长默认为1")
list2 = list(range(5))
print(list2)print("从2开始，到10结束（不包含10），步长为2")
list3 = list(range(2, 10, 2))
print(list3)# 与range类似，用arange创建数组
print("从1开始，3结尾")
a = np.arange(1, 3)
print(a)print("从1开始，3结尾,步长为0.1")
b = np.arange(1, 3, 0.1)
print(b)print(" dtype的使用")
c = np.arange(6, 9, dtype=float)
print(c)

Numpy中的随机数创建

# coding=utf-8import numpy as np# 随机小数
def randomTest():print("使用random创建一维数组,size规定了一维数组的元素个数   范围[0.0,1.0)")a = np.random.random(size=6)print(a)print("创建一个二维数组 三行5列")b = np.random.random(size=(3, 5))print(b)print("创建三维数组    两个三行四列")c = np.random.random(size=(2, 3, 4))print(c)randomTest()# 随机整数
def randintTest():#  语法：randint(low, high=None, size=None, dtype=None)   这边也是左闭右开print("生成0-10之间的随机整数，一维")a = np.random.randint(11, size=20)print(a)print("生成1到5之间的随机整数，二维 (三行四列)")b = np.random.randint(1, 6, size=(3, 4))print(b)print("生成1到10之间的随机整数，三维 (两个三行四列)")c = np.random.randint(1, 6, size=(2, 3, 4))print(c)# dtype的使用d = np.random.randint(5, size=2, dtype=np.int64)print('设定的dtype为', d.dtype)randintTest()# 生成正态分布数组
def randnTest():# randn函数返回一个或一组样本，具有标准正态分布（期望为0，方差为1）# randn(d0, d1, ..., dn)   dn表示维度，返回值为指定维度的arrayprint("eg：创建一个一维的有三个元素的数组")a = np.random.randn(3)print(a)print("创建一个二维的(三行四列)")b = np.random.randn(3, 4)print(b)print("创建一个三维的(两个三行四列)")c = np.random.randn(2, 3, 4)print(c)randnTest()# 创建指定期望和方差的正态分布
def normalTest():print(" normal(loc=0.0, scale=1.0, size=None),默认的期望是loc=0.0    方差scale=1.0")a = np.random.normal(size=3)print(a)print("指定期望和方差")b = np.random.normal(loc=2, scale=2, size=(3, 4))print(b)normalTest()

https://blog.csdn.net/hanhanwanghaha宝藏女孩 欢迎您的关注！
欢迎关注微信公众号：宝藏女孩的成长日记
让这个可爱的宝藏女孩在努力的道路上与你一起同行！
如有转载，请注明出处（如不注明，盗者必究）

ndarray对象的常用属性

# coding=utf-8
import numpy as np# 创建一维的数组
a = np.arange(2, 5)
print(a)a1 = np.array([1, 2, 3])
print(a1)# 创建二位的数组
b = np.random.randint(1, 5, size=(2, 3))
print(b)print("创建三维数组（正态分布）")
c = np.random.randn(1, 2, 2)
print(c)# 常用属性
print(" ndim属性")
print("ndim:", a.ndim, b.ndim, c.ndim)print("shape属性")
print("shape:", a.shape, b.shape, c.shape)print("dtype属性：当前元素的类型")
print("dtype:", a.dtype, b.dtype, c.dtype)print("size属性：当前元素的总个数")
print("size:", a.size, b.size, c.size)print("itemsize属性：每个元素所占的字节")
print("itemsize:", a.itemsize, b.itemsize, c.itemsize)

其他方式创建数组

# coding=utf-8
import numpy as npprint(" numpy.zeros：里面的元素用0来填充")
def zerosTest():a = np.zeros(2)print(a)print("指定类型 dtype")b = np.zeros((3), dtype=int)print(b)print(" 创建二维数组(两行三列)")c = np.zeros((2, 3))print(c)zerosTest()print(" numpy.ones：里面的元素用1来填充")
def onesTest():a = np.ones(5)print(a)print("指定类型 dtype")b = np.ones((3), dtype=int)print(b)print("创建二维数组(两行三列),指定类型")c = np.ones((2, 3), dtype=int)print(c)onesTest()print(" empty:根据给定的维度和数值类型返回一个新的数组，其元素不进行初始化。")
def emptyTest():a = np.empty(6)print(a)b = np.empty((2, 3))print(b)emptyTest()# linspace(等差)
# linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None,
#              axis=0)
# 在指定的间隔范围内返回均匀间隔的数字。
#
# 在[start, stop]范围内计算，返回num个(默认为50)均匀间隔的样本。
#
# endpoint可以选择性地排除间隔的终点。
def linspaceTest():a = np.linspace(1, 5, 5)print(a)b = np.linspace(1, 20, 8, endpoint=False)print(b)linspaceTest()# logspace(等比)，与上面linspace类似
def logspaceTest():print("eg:2的0到9次方")a = np.logspace(0, 9, 10, base=2)print(a)logspaceTest()

索引和切片（一位数组、二维数组）

# coding = utf-8import numpy as np# 一维数组的索引和切片
def oneArrayTest():# 创建一个一维数组a = np.arange(8)print(a)# 索引print("正索引访问，索引从0开始")print("索引0处的元素：", a[0])print("索引7处的元素: ", a[7])print("负索引访问，倒数第一个的索引为-1")print("最后1个元素为：", a[-1])print("倒数第3个元素为：", a[-3])# 正向切片索引切片操作  [start:stop:step]print(" 从开始到结尾")print(a[:])print("从索引2开始到结尾")print(a[2:])print("从索引2开始到索引5")print(a[2:5])print("从索引1开始到索引7，步长是2")print(a[1:7:2])# 负向切片索引切片操作  [start:stop:step]print("反向获取")print(a[::-1])print(a[-6:-2])# oneArrayTest()# 二维数组的索引和切片
def twoArrayTest():a = np.arange(1, 7)print(a)print("reshape的使用    eg:对上面那个一维数组进行修改形状,变为二行三列")b = a.reshape((2, 3))print(b)# 索引的使用    eg:查看第二行print(b[1])print("eg:查看第一行第二列")print(b[1][2])"""切片的使用[对行进行切片,对列进行切片][start:stop:step,start:stop:step]"""print(" 获取所有行和所有列")print(b[:, :])print(" 获取所有行的第二列")print(b[:, 1])print("获取所有行的部分列，23列")print(b[:, 1:3])print("获取部分行，所有列    eg:获取奇数行 所有列")print(b[::2, :])print("获取部分行，部分列     eg:获取第一行  奇数列")print(b[0:1, ::2])# 坐标获取print("获取第1行第三列的元素")print(b[0][2])print(b[0, 2])print("同时获取不同行不同列   获取第一行第三列   第二行第三列")print(b[0, 2], b[1][2])print("让上面的两个值以数组的形式返回")print(np.array([b[0, 2], b[1][2]]))print("使用坐标也可得到上面的结果,坐标前面是行 后面是列")print(b[(0, 1), (2, 2)])# 二维数组中负索引的使用print("最后一行：", b[-1])print("行进行倒序为：\n", b[::-1])print("行列都进行倒序为：\n", b[::-1, ::-1])twoArrayTest()

数组的复制

# coding = utf-8
import numpy as np# 创建一个二维的数组
a = np.arange(1, 16).reshape((3, 5))
print(a)print("对a数组进行切片处理，获取第一二三行，第一二三列")
b = a[:3, :3]
print(b)print("对b中的第一行第一列的值进行修改:可知b中更改了，但是原数组a也会改变")
b[0][0] = 666
print(b)
print(a)print("如何解决以上问题呢 这时就会用到numpy中的copy")
c = np.copy(a[:3, :3])
c[0][0] = 888
print(c)
print(a)

修改数组的维度

# coding = utf-8
import numpy as np# 通过reshape()进行修改维度
# 将一维数组转换成为二维，三维数组
# 创建一个一维数组
a = np.arange(1, 13)
print(a)print("将一维修改为二维（2,6）(3,4)")
# b=a.reshape(3,4)
b = a.reshape((3, 4))
print(b)print(" 将一维修改为三维（2,2,3）")
c = a.reshape(2, 2, 3)
print(c)# 通过np.reshape()进行修改维度
print(" 将一维数组转换为二维数组")
d = np.reshape(a, (2, 6))
print(d)
print(" 将一维数组转换为三维数组")
d1 = np.reshape(a, (2, 2, 3))
print(d1)# 多维转一维
print(" 将多维数组转换为一维数组   前提:你必须知道你要转换的数组有多少个元素")
e = d1.reshape(12)
print("这是一个简单的方法  可以不用知道需要转换的数组里面几个元素，直接括号里面写-1就可以了")
e1 = d1.reshape(-1)
print(e)
print(e1)# ravel，flatten函数也可将多维函数转换为一维数组
e2 = d1.ravel()
print(e2)
e3 = d1.flatten()
print(e3)

数组的拼接

# coding = utf-8
import numpy as np# 创建两个数组
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([[11, 12, 13], [14, 15, 16]])
print(a)
print(b)print("使用hstack进行水平拼接")
# 列表
hs1 = np.hstack([a, b])
print(hs1)
# 元组
hs2 = np.hstack((a, b))
print(hs2)print("使用vstack进行垂直拼接")
# 列表
vs1 = np.vstack([a, b])
print(vs1)
# 元组
vs2 = np.vstack((a, b))
print(vs2)# concatenate的使用
print(" axis=0默认    垂直方向拼接   相当于vatsck")
con1 = np.concatenate((a, b), axis=0)
con2 = np.concatenate((a, b))
print(con1)
print(con2)print("axis=1    水平方向拼接   相当于hatsck")
con3 = np.concatenate((a, b), axis=1)
print(con3)print("三维数组有三个轴，axis = 0 ,axis = 1, axis = 2")
b = np.arange(1, 25).reshape(1, 3, 8)
print(b, b.shape)
b1 = np.arange(101, 125).reshape(1, 3, 8)
print(b1, b1.shape)# 三维   axis=0
ax_zero = np.concatenate((b, b1), axis=0)
print(ax_zero, ax_zero.shape)# 三维   axis=1
ax_one = np.concatenate((b, b1), axis=1)
print(ax_one, ax_one.shape)# 三维   axis=2
ax_two = np.concatenate((b, b1), axis=2)
print(ax_two, ax_two.shape)

数组的分割

# coding = utf-8
import numpy as np# 创建一个一维数组
a = np.arange(1, 13)# split函数：分割
# 对一维数组进行分割
# 传递整数，平均分割
sp_one = np.split(a, 4, axis=0)
print(sp_one)# 传递数组，按位置进行分割
print("eg:1到3为一组，4到7为一组，8到12为一组")
sp_two = np.split(a, [3, 7])
print(sp_two)# 对二维数组进行分割
b = np.arange(1, 25).reshape(4, 6)
print(b)
print("axis = 0,垂直方向，平均分割,将b分为两个数组w,y")
w, y = np.split(b, 2, axis=0)
print(w)
print(y)print("axis = 0,垂直方向，按位置分割,将b分为两个数组w(1，2行),y(3行),g(4行)")
w, y, g = np.split(b, [2, 3], axis=0)
print(w)
print(y)
print(g)print("axis = 1,水平方向，将b分为两个数组w,y")
w, y = np.split(b, 2, axis=1)
print(w)
print(y)print("axis = 1,水平方向，将b分为两个数组w,y,前4列为一个部分，后面几列为一个部分")
w, y = np.split(b, [4], axis=1)
print(w)
print(y)print("hsplit:按照水平方向分割    eg:分成两个部分，前三列一部分，后三列一部分")
w, y = np.hsplit(b, 2)
print(w)
print(y)print("hsplit:按照位置分割  eg:前五列为一组  后一列为一组")
w, y = np.hsplit(b, [5])
print(w)
print(y)# vsplit:按照垂直方向分割
print("vsplit:按照垂直方向分割    eg:分成两个部分，前三行一部分，后三行一部分")
w, y = np.vsplit(b, 2)
print(w)
print(y)print("vsplit:按照位置分割  eg:前三行为一组  后一行为一组")
w, y = np.vsplit(b, [3])
print(w)
print(y)

数组的转置

# coding = utf-8
import numpy as np# 数组的转置可以联想到我们在大二学习的线性代数当中矩阵的转置
# 创建一个二维数组
a = np.arange(1, 25).reshape(4, 6)
print(a, a.shape)print("transpose函数进行数组的转置 a[i][j]--->a[j][i]")
b = a.transpose()
print(b, b.shape)print("还可以直接使用T来实现转置")
print(a.T)print("使用numpy中的transpose实现转置")
c = np.transpose(a)
print(c)# 多维数组进行转置
a = a.reshape(2, 3, 4)
print(a, a.shape)
print("对于三维a[i][j][k]进行转置 默认将i和k进行交换   eg:将a[2][3][4]进行转置就变为a[4][3][2]")
b = np.transpose(a)
print(b, b.shape)

numpy的函数使用

# coding = utf-8
import numpy as npa = np.arange(9).reshape(3, 3)
b = np.array([9, 9, 9])
print("加法:a+b")
print(np.add(a, b))
print(a + b)print("减法：b-a")
print(np.subtract(b, a))
print(b - a)# out 参数的使用
print("乘法：a*10")
c = np.empty((3, 3), dtype=np.int)
np.multiply(a, 10, out=c)
print(c)# out 参数的使用
print("除法：a*2")
d = np.empty((3, 3))
np.divide(a, 2, out=d)
print(d)# 三角函数
print("三角函数")
a = np.array([0, 30, 60, 90])
print(np.sin(a))print("around:四舍五入   ceil：向下取整   floor：向上取整")
a = np.array([3.99, 7.12, 9, 6, 7.23, 3.1, 6.55])
print("around:", np.around(a))
print("ceil:", np.ceil(a))
print("floor:", np.floor(a))# 聚合函数
"""
常用聚合函数
np.sum() //求和
np.prod() //所有元素相乘
np.mean() //平均值
np.std() //标准差
np.var() //方差
np.median() //中位数
np.power() //幂运算
np.sqrt() //开方
np.min() //最小值
np.max() //最大值
np.argmin() //最小值的下标
np.argmax() //最大值的下标
np.inf //无穷大
np.exp(10) //以e为底的指数
np.log(10) //对数
"""print("简单的sum(),max(),min()")
a = np.array([6,7,9,5,3,4,1,2])
print("sum:",np.sum(a))
print("max:",np.max(a))
print("min:",np.min(a))print("np.argmin() 最小值的下标   np.argmax() 最大值的下标")
print("argmin:",np.argmin(a))
print("argmax:",np.argmax(a))print("power的使用")
a = np.arange(1,13).reshape(3,4)
print("原a：\n",a)
print("power后的a: \n",np.power(a,2))print("power中的out的使用")
x=np.arange(5)
y=np.zeros(8)
np.power(2,x,out=y[:5])
print(y)# median()；中位数
print("一维数组的中位数：偶数的中位数：最中间两个数的平均值   ""eg:[6,7,9,5,3,4,1,2]  首先进行排序[1,2,3,4,5,6,7,9]   中位数为4+5除2=4.5")
a = np.array([6,7,9,5,3,4,1,2])
print(np.median(a))print("一维数组的中位数：奇数的中位数：最中间的数   ""eg:[6,7,9,5,3,4,1]  首先进行排序[1,3,4,5,6,7,9]   中位数为最中间的数5")
a = np.array([6,7,9,5,3,4,1])
print(np.median(a))# 二维数组求中位数 要通过axis制定轴
a = np.arange(1,13).reshape(3,4)
print(a)
print("垂直方向：",np.median(a,axis=0))
print("水平方向：",np.median(a,axis=1))# mean求平均值
print("一维数组求平均值")
a=np.array([6,7,9,5,3,4,1,2])
print(a)print("二维数组求平均值:  axis指定轴求平均")
a = np.arange(1,13).reshape(3,4)
print(a)
print("axis=0  垂直方向：",np.mean(a,axis=0))
print("axis=1  水平方向：",np.mean(a,axis=1))

https://blog.csdn.net/hanhanwanghaha宝藏女孩 欢迎您的关注！
欢迎关注微信公众号：宝藏女孩的成长日记
让这个可爱的宝藏女孩在努力的道路上与你一起同行！
如有转载，请注明出处（如不注明，盗者必究）

numpy的基本使用 附python代码详细讲解（numpy函数，创建数组，常用属性，索引切片，数组的复制，修改维度，数组的分割、拼接、转置）相关推荐

1. matplotlib的基本使用 附python代码详细讲解（基本图的绘制、样式、简单函数的使用）

   目录 一.基本图的绘制 1.1直线的绘制 1.2折线的绘制 1.3散点图的绘制 1.4绘制不同颜色的散点图 1.5绘制不同颜色的线 1.6柱状图 1.7饼状图 1.8直方图 1.9三维图 1.10等高 ...

2. 2023年美赛C题Wordle预测问题一建模及Python代码详细讲解

   相关链接 (1)2023年美赛C题Wordle预测问题一建模及Python代码详细讲解 (2)2023年美赛C题Wordle预测问题二建模及Python代码详细讲解 (3)2023年美赛C题Wordl ...

3. 2023年美赛C题Wordle预测问题二建模及Python代码详细讲解

   更新时间:2023-2-19 相关链接 (1)2023年美赛C题Wordle预测问题一建模及Python代码详细讲解 (2)2023年美赛C题Wordle预测问题二建模及Python代码详细讲解 (3 ...

4. 2023年美赛C题Wordle预测问题三、四建模及Python代码详细讲解

   更新时间:2023-2-19 16:30 相关链接 (1)2023年美赛C题Wordle预测问题一建模及Python代码详细讲解 (2)2023年美赛C题Wordle预测问题二建模及Python代码详 ...

5. 【Python】python初学者应该知道与其他语言差异化的高效编程技巧（附测试代码+详细注释）

   目录 1. 交换变量 2. 集合去重 3. 列表推导.集合推导和字典推导 4. 统计字符串中各个字符出现的次数 5.优雅地打印JSON数据 6.行内的if语句 6. 符合正常逻辑的数值比较 7. 田忌 ...

6. XGBoost参数调优完全指南（附Python代码）

   XGBoost参数调优完全指南(附Python代码) 译注:文内提供的代码和运行结果有一定差异,可以从这里下载完整代码对照参考.另外,我自己跟着教程做的时候,发现我的库无法解析字符串类型的特征,所以只 ...

7. 机器学习系列(12)_XGBoost参数调优完全指南（附Python代码）

   机器学习系列(12)_XGBoost参数调优完全指南(附Python代码) 原文链接:http://blog.csdn.net/han_xiaoyang/article/details/5266539 ...

8. python重点知识归纳_一文了解机器学习知识点及其算法（附python代码）

   一文了解机器学习知识点及其算法(附python代码) 来源:数据城堡 时间:2016-09-09 14:05:50 作者: 机器学习发展到现在,已经形成较为完善的知识体系,同时大量的数据科学家的研究成 ...

9. 教程 | 理解和实现自然语言处理终极指南（附Python代码）

    教程 | 理解和实现自然语言处理终极指南(附Python代码) 时间 2017-02-16 14:41:39 机器之心 原文  http://www.jiqizhixin.com/article ...

最新文章

1. OVS 端口抽象层次（四十）
2. 对比学习系列论文SDCLR（二）-Self-Damaging Contrastive Learning
3. python 无法引入同级目录的方法_再见 virtualenv！K神教你轻松管理多个Python环境...
4. SpringBoot使用@ServerEndpoint无法依赖注入问题解决 SpringBoot webSocket配置
5. 合并excel文件 C语言,多个Excel文件中的多个Sheet合并到一个Excel文件中两个函数...
6. python零基础教学plc_利用Python构建电脑和PLC通信的方法
7. 将不确定变为确定~Linq to SQL不能随机排序吗？
8. 静态网页制作前夕小记录
9. jar转apk专辑 android,jar转apk格式转换器
10. matlab液压仿真实例,基于MATLAB-simulink的液压系统动态仿真.pptx
11. 电赛校赛经验-程控风力摆
12. 一文2000字搞懂高并发性能指标：QPS、TPS、RT、并发数、吞吐量
13. performSelector延时调用导致的内存泄露
14. 接收信号强度值dbm分析
15. vscode远程连接虚拟机/云服务器
16. 软件工程 个人学习笔记（第二章）
17. 《长尾理论》读书笔记
18. C++ 实时显示7z压缩与解压缩的进度
19. 35个可以提高千倍效率的Java代码小技巧
20. PhpStudy修改数据库root的密码

热门文章

1. python getchar,Linux C编程学习：getchar()和getch()
2. gpu浮点计算能力floaps_基准测试移动 GPU 中的浮点精度 - 第 2 部分
3. java中的关键字有哪些_Java关键字有哪些？
4. mac os11以下安装Xcode
5. oracle查询结果存入临时表,Oracle查询问题引发临时表使用
6. python脚本自动消除安卓版_python脚本中appium的自启动自关闭
7. arcgis js 地图打印_Arcgis在国土空间规划编制中的应用
8. android继承父类的界面,Android调用父类方法,进行子界面刷新
9. 链表 队列 基本概念 为什么使用二叉查找树 抽象数据类型
10. （SPFA+最短路变形+回路对起点的影响）Arbitrage