安装numpy ： pip install numpy

numpy数组生成方法总结

     In [4]: 
   

import numpy as np

#使用列表生成一个一维数组
data = [1,2,3,4,5]
x = np.array(data)
print(x)
print(x.dtype)   #打印数组类型
print(type(x))

[1 2 3 4 5]
int32
<class 'numpy.ndarray'>

     In [6]: 
   

import numpy as np

#使用列表生成一个二维数组
data = [[1,2], [3,4], [5,6]]
x = np.array(data)
print(x)
print(x.dtype)
print(x.ndim)    #打印数组维度
print(x.shape)   #打印数组各个维度的长度
print(type(x))

[[1 2]
 [3 4]
 [5 6]]
int32
2
(3, 2)
<class 'numpy.ndarray'>

     In [16]: 
   

import numpy as np

#使用zeros创建一个长度为4， 元素为0的一维数组
x = np.zeros(4)
print(x)
#创建一个二维数组， 一维长度为2， 二维长度为3， 元素为0的数组
x = np.zeros((2,3))
print(x)
#使用ones创建一个二维数组， 一维长度为2， 二维长度为3， 元素为1的数组
x = np.ones((2,3))
print(x)
#使用empty创建一个二维数组， 一维长度为3， 二维长度为3， 元素为初始化的数组
y = np.empty((3,3))
print(y)
#使用arange生成连续元素
a = np.arange(5)
print(a)
b = np.arange(1,5,2)
print(b)

[ 0.  0.  0.  0.]
[[ 0.  0.  0.]
 [ 0.  0.  0.]]
[[ 1.  1.  1.]
 [ 1.  1.  1.]]
[[  2.97907948e-317   2.69387831e-316   8.66647269e-317]
 [  2.48185956e-315   2.48185956e-315   2.48185909e-315]
 [  0.00000000e+000   0.00000000e+000   6.52072824e+091]]
[0 1 2 3 4]
[1 3]

reshape用法：

     In [2]: 
   

import numpy as np

#二维数组
a = np.arange(10).reshape(2,5)
print(a)
print("\n")
#三维数组
a = np.arange(12).reshape(2,2,3)
print(a)

[[0 1 2 3 4]
 [5 6 7 8 9]]


[[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]]

基本运算：

数组的算术运算是按照元素的

     In [9]: 
   

import numpy as np

a = np.array([30,40,50,60])
b = np.arange(4)

print(a)
print(b)
print("\na-b:")
#俩个数据相减
c = a - b
print(c)
print("\nb**2:")
#b数组二次方
print(b**2)
#比较
print("\na<45：")
print(a<45)

[30 40 50 60]
[0 1 2 3]

a-b:
[30 39 48 57]

b**2:
[0 1 4 9]

a<45：
[ True  True False False]

numpy中的*是按元素计算的，如果矩阵乘法，需要调用dot函数

     In [12]: 
   

import numpy as np

a = np.array([
    [1, 2],
    [3, 4]
])

b = np.array([
    [1,1],
    [0,4]
])

#*运算
print("a*b:")
print(a*b)

#dot运算
print("\ndot(a,b):")
print(np.dot(a,b))

a*b:
[[ 1  2]
 [ 0 16]]

dot(a,b):
[[ 1  9]
 [ 3 19]]

axis参数用法:

     In [19]: 
   

import numpy as np

a = np.arange(12).reshape(2,2,3)
print(a)
print("计算第一维度和：")
print(a.sum(axis=0))
print("计算第二维度和：")
print(a.sum(axis=1))
print("计算第三维度和：")
print(a.sum(axis=2))

#说白了就是说计算第一维度的时候， 把2，3下标值一样的， 第一下标值不一样的加在一起， 重新生成一个数组， 以此类推

[[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]]
计算第一维度和：
[[ 6  8 10]
 [12 14 16]]
计算第二维度和：
[[ 3  5  7]
 [15 17 19]]
计算第三维度和：
[[ 3 12]
 [21 30]]

     In [20]: 
   

import numpy as np

a = np.arange(12).reshape(3,4)

print(a)

print("找出第一维度的最小值：")
print(a.min(axis=0))
print("找出第二维度的最小值：")
print(a.min(axis=1))

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
找出第一维度的最小值：
[0 1 2 3]
找出第二维度的最小值：
[0 4 8]

     In [21]: 
   

import numpy as np

a = np.arange(12).reshape(3,4)

print(a)

print("计算第一维度的累加值：")
print(a.cumsum(axis=0))
print("计算第二维度的累加值：")
print(a.cumsum(axis=1))

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
计算第一维度的累加值：
[[ 0  1  2  3]
 [ 4  6  8 10]
 [12 15 18 21]]
计算第二维度的累加值：
[[ 0  1  3  6]
 [ 4  9 15 22]
 [ 8 17 27 38]]

通用函数用法：

     In [22]: 
   

import numpy as np

a = np.arange(3)
print(a)

print(np.exp2(a)) #输出以2weidi

[0 1 2]
[ 1.  2.  4.]

python3 numpy基本用法归纳总结

基本运算：

猜你喜欢