numpy基础属性方法随机整理（一）---基本属性 / 数组构建 / 数组类型及方法 / str.format函数

1. ndarray基本属性：arr.dytpe , arr.shape
2. 数组构建
3. 数组类型 type(arr)
4. 数组属性修改：arr.reshape(…), arr.astype(‘…’)
5. str.format()函数
6. np.dtype()结构化数据类型

python内置类型：
bool , int, float, complex, str, tuple, list, dict, set
numpy内置类型：
bool_,
int8(i1) / int16(i2) / int32(i4) / int64(i8)…,
uint8(u1) / uint16 / uint32(u4) / uint64…, (int 和uint 值域不同，且uint不含负数)
float16() / float32 / float64,
complex64 / complex128,
str_(s20 长度20的字符串)
自定义类型：(常用1，2，6，7)
t = np.dtype(T)
a = np.array([…], dtype=t)
或
a = np.array([…], dtype=T)

1） T：python内置类型或 numpy内置类型
```
    t = np.dtype(int)     # python内置类型, 没有 ' '
    t = np.dtype(np.int32)  # numpy内置类型
```
2）T：类型字符串
```
    t = np.dtype('int')    # 有引号 ' '
    t = np.dtype('int32')
```
3）T：类型字符编码 （不推荐使用）
t = np.dtype(‘>(2,3)4i4’)
说明：
```
    >：    大端字节序
    (2,3): 维度
    4：    分量数
    i：    分量类型
    4：    分量字节数  
```
4） T：tuple （变长类型，长度） ….不推荐
t = np.dtype((np.str_, 14))

5） T：tuple (定长类型，维度) ….不推荐
t = np.dtype((int32,5))

6） T：逗号分隔的多个类型字符串
t = np.dytpe(‘U14 , i4‘)

7）T：结构化数据类型 [(名称，类型，维度)，(字段描述),…] …..需要灵活掌握
t = np.dtype([(‘name’, np.str_,14), (‘age’, np.int32)])
NOTE: 相当于MySQL中给字段名进行类型设置

f = np.array([('abc', 1243) ,('def', 3456)], dtype = 'U14, i4')
f
Out[26]: 
array([('abc', 1243), ('def', 3456)],
      dtype=[('f0', '<U14'), ('f1', '<i4')])
f[1][0]
Out[27]: 'def'
f.dtype
Out[28]: dtype([('f0', '<U14'), ('f1', '<i4')])

g = np.array([('abc', 1243) ,('def', 3456)], dtype = [('name',np.str_,14),('age',np.int32)])
g
Out[30]: 
array([('abc', 1243), ('def', 3456)],
      dtype=[('name', '<U14'), ('age', '<i4')])
g[1]['name']
Out[31]: 'def'

函数dtype() ：结构化数组类型

结构化数据类型

In [3]: student = np.dtype([('name','S20'),  ('age',  'i1'),  ('marks',  'f4')]) 
In [4]: print student
[('name', 'S20'), ('age', 'i1'), ('marks', '<f4')]

将其应用于 ndarray 对象

In [5]: a = np.array([('abc',  21,  50),('xyz',  18,  75)], dtype = student)
In [6]: print a
[('abc', 21,  50.) ('xyz', 18,  75.)]

采用文件名称来访问name, age, marks列的内容

In [7]: print a['name']
['abc' 'xyz']
In [8]: print a['marks']
[ 50.  75.]
In [9]: print a['age']
[21 18]

code：

import os
import sys
import numpy as np

def main (argc, argv, envp):
    one_dim = np.arange(1,5)
    one_dim_list = list(one_dim)

    print('array output:', one_dim)              # array 输出： [1 2 3 4]
    print('list output:', one_dim_list)         # list 输出：  [1, 2, 3, 4]

    print('容器类型：', type(one_dim))        # 容器类型 ： <class 'numpy.ndarray'>

    # 数组array的基本属性
    print('元素类型：', one_dim.dtype)        # 元素类型 ： int32
    print('容器形状：', one_dim.shape)        # 容器形状 ： (4,)

    # array.reshape(x,y,z)  重新shape数组形状
    three_dim = np.arange(1,25,1).reshape(2,3,4)
    print('数组reshape:', three_dim.shape)      # 数组形状 ： (2, 3, 4)

    # array.astype('float/int..')  修改元素类型
    three_dim = np.arange(1,25,1).reshape(2,3,4).astype('float')
    print('数组astype:', three_dim.dtype)      # 元素类型 ： float64 

    print('three_dim:', '\n', three_dim)

    # 循环输出3D-array数组元素
    print('\n','循环输出3D-array数组元素：')
    for i in range(three_dim.shape[0]):             # in range(2): three_dim.shape[0]==2
        for j in range(three_dim.shape[1]):         # range 一定不能漏掉
            for k in range(three_dim.shape[2]):
                # str.format函数， int()函数：
                # {：^5d}.format(int)  整数 宽度为5  中间对齐
                print('{:^5d}'.format(int(three_dim[i,j,k])), end = '/')
                print('-', end = '/')
                # {:10}'.format()  浮点数 宽度为10 右对齐
                print('{:10}'.format(three_dim[i,j,k]), end = '')
            print()     # 内层循环结束后换行
        print()     # 内层循环结束后换行

    return 0

if __name__ == '__main__':
    sys.exit(main(len(sys.argv), sys.argv, os.environ))

输出结果：

array output: [1 2 3 4]
list output: [1, 2, 3, 4]
容器类型： <class 'numpy.ndarray'>
元素类型： int32
容器形状： (4,)
数组reshape: (2, 3, 4)
数组astype: float64
three_dim: 
 [[[  1.   2.   3.   4.]
  [  5.   6.   7.   8.]
  [  9.  10.  11.  12.]]

 [[ 13.  14.  15.  16.]
  [ 17.  18.  19.  20.]
  [ 21.  22.  23.  24.]]]

 循环输出3D-array数组元素：
  1  /-/       1.0  2  /-/       2.0  3  /-/       3.0  4  /-/       4.0
  5  /-/       5.0  6  /-/       6.0  7  /-/       7.0  8  /-/       8.0
  9  /-/       9.0 10  /-/      10.0 11  /-/      11.0 12  /-/      12.0

 13  /-/      13.0 14  /-/      14.0 15  /-/      15.0 16  /-/      16.0
 17  /-/      17.0 18  /-/      18.0 19  /-/      19.0 20  /-/      20.0
 21  /-/      21.0 22  /-/      22.0 23  /-/      23.0 24  /-/      24.0

[Finished in 1.3s]

str.format() 参考：
http://www.runoob.com/python/att-string-format.html

numpy基础属性方法随机整理（一）---基本属性 / 数组构建 / 数组类型及方法 / str.format函数

猜你喜欢