立即加星标，第一时间看好文

Numpy 是什么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。

Numpy 创建Array 的方式

#创建一个数据array1 = np.array([22,33,44,55]) print(array1)#指定数据类型dtype,np.int32,np.float等array2 = np.array([22,33,44,55],dtype=np.int) print(type(array2))#指定数据类型dtypearray3 = np.array([22,33,44,55],dtype=np.float)print(array3)#创建特定数据，一个2d矩阵 2行3列array4 = np.array([[22,33,44],[55,66,77]])print(array4)#创建特定的数据数组，数据全为0，4行5列array5 = np.zeros((4,5)) print(array5)#创建特定的数据数组，数据全为1，4行5列array6 = np.ones((4,5))print(array6)#创建特定的数据全空数组,接近于零的数，数据全为1，5行3列array7 = np.empty((5,3)) print(array7)#创建连续数组,10-30的数据，2步长array8 = np.arange(10,30,2)print(array8)#reshape 改变数据的形状array9=array8.reshape(2,5)array9=np.arange(10,30,2).reshape(2,5)print(array9)#开始端1，结束端5，且分割成20个数据，生成线段array10=np.linspace(1,5,20)print(array10)

Numpy 基础运算

x=np.array([11,22,33,44,55])y=np.arange(5)print(x-y) #x数组减去y数组print(x+y) #x数组加上y数组print(x*y) #x数组乘以y数组print(x**2) #x数组值的平方print(y**3) #y数组值的立方print(np.sin(x))#求sin值print(np.sum(x)) #求和print(np.min(x)) #求最小值print(np.max(x)) #求最大值xx=np.array([[11,88,33],[44,55,66]])print(xx)print("sum=",np.sum(xx,axis=1)) #按行为单元求和print("min=",np.min(xx,axis=0)) #按列为单元求最小值print("max=",np.max(xx,axis=1)) #按行为单元求最大值print(np.argmax(xx)) #求矩阵中最大元素的索引print(np.argmin(xx)) #求矩阵中最小元素的索引print(np.mean(xx)) #求整个矩阵的均值print(np.average(xx))#求整个矩阵的均值print(np.cumsum(xx)) #求累加print(np.diff(xx))#求每一行中后一项与前一项之差print(np.nonzero(xx))#将所有非零元素的行与列坐标分割开，重构成两个分别关于行和列的矩阵print(np.sort(xx)) #对每一行进行从小到大的排序print(np.transpose(xx))#将矩阵进行转置处理print(xx.T) #将矩阵进行转置处理

Numpy 索引的使用

x=np.array([11,22,33,44,55])xx=np.array([[11,88,33],[44,55,66]])print(x[1]) #一维索引取值print(xx[1][1])#二维索引取值print(xx[1,1])#二维索引取值print(xx[1,1:3])#二维索引取值for row in xx: #循环遍历二维array    print(row)for item in xx.flat:#将多维的矩阵进行展开成1行的数列,它本就是一个迭代器，返回的是一个object    print(item)

Numpy 合并操作

x=np.array([11,22,33])y=np.array([44,55,66])xx=np.array([[11,88,33],[44,55,66]])yy=np.array([[1,8,3],[4,5,6]])#上下合并print(np.vstack((x,y)))#左右合并print(np.hstack((x,y)))#合并操作多个矩阵或序列,axis控制矩阵是纵向还是横向打印print(np.concatenate((x,y,y,x),axis=0))#合并操作多个矩阵或序列print(np.concatenate((xx,yy),axis=1))

Numpy 分割

xx=np.array([[11,88,33,99],[22,44,55,66],[222,434,553,663],[11,88,33,99]])print(xx)#纵向分割print(np.split(xx,2,axis=1)) #横向分割print(np.split(xx,2,axis=0)) #不等量的分割print(np.array_split(xx,4,axis=1))

Numpy copy and deepcopy

xx=np.array([[11,88,33,99],[22,44,55,66],[222,434,553,663],[11,88,33,99]])#这种赋值操作没有关联性yy=xx.copy() print(yy)#这种赋值的操作有关联性，zz会随着xx的数据变化而变化，相当于是deep copyzz=xx xx[0][0]=100print(zz)

今日Numpy 的分享就到这里了，每一个用法都需要去实践，以此加深对它的理解，在以后的工作中遇到时才会知道如何结合起来使用并举一反三。

友情提示：“无量测试之道”原创著作，欢迎关注交流，禁止第三方不显示文章来源时转载。更多原创文章请扫码关注查看，交流与合作请联系：loadkernel@126.com。

QQ技术交流群：41564936

◆Python 算法之冒泡排序

◆Python 算法之一

◆Python UI自动化测试实操

◆Python API自动化测试实操(高清版配图)

◆Python 之“栈为何物”

来都来了，点个在看再走吧~~~