np归纳总结(全)

1.概述

1.np.array() # 将列表转换为数组

import numpy as np

array = [1, 2, 3, 4, 5]
array = np.array(array)

2..shape # 打印矩阵的维度, 也可以使用np.shape

import numpy as np

array = [1, 2, 3, 4, 5]
array = np.array(array)
print(array.shape)

2.array 结构

3.dtype 打印数组的数据类型

import numpy as np 
tang_array = [1, 2, 3, 4]
tang_array = np.array(tang_array)

print(tang_array.dtype)

4. .itemsize # 判断数组中每一个数字所占的字节数

print(tang_array.itemsize)

5. .size # 打印出数组中的元素个数, 不关心矩阵的维度

print(tang_array.size)

6. .ndim # 打印数组中的维度信息

print(tang_array.ndim)

7. .fill(0) # 表示对当前数据进行填充，0表示填充的值

# .fill 对当前数据进行填充
tang_array = np.array([1, 2])
tang_array.fill(0)
print(tang_array)

8. numpy索引与切片

tang_array = np.array([1, 2, 3, 4])
print(tang_array[0])
print(tang_array[-2:])

9 .copy # 进行浅拷贝

tang_array2 = tang_array.copy()

10 .dtype设置数组类型将列表转换为bool值根据bool值进行取值操作

tang_array = np.arange(0, 100, 10)
# 将列表转换为Bool值
bool_array = np.array([1, 0, 0, 1, 1, 1, 1, 0, 0, 0], dtype=bool)
# 根据bool值进行取值
print(tang_array[bool_array])

11.根据大于或者小于获得bool值根据bool值进行取值操作

tang_array = np.random.rand(10)
print(tang_array)
bool_array = tang_array > 0.5
print(bool_array)

12. np.where 对bool值进行操作，获得True的索引值

tang_array = np.random.rand(10)
bool_array = tang_array > 0.5
index = np.where(bool_array)
print(index)
print(tang_array[index])

13 .ndtype # 输出字节数

print(tang_array.nbytes)

14. .astype # 进行数据类型的转换，但是实际数据不发生改变

tang_array2 = tang_array.astype(np.float32)
print(tang_array2.dtype)

15. np.object格式，保存了数据的原来格式

array = np.array([1, 10, 3.5, 'str'], dtype=np.object)

3.数值计算

16. .sum(axis=0) # 进行数组的加和操作

import numpy as np

tang_array = np.array([[1, 2, 3],
                       [4, 5, 6]])
# 对axis=0,进行行与行进行加和
print(tang_array.sum(axis=0))
# 进行所有数据的加和

print(tang_array.min(axis=0))

print(tang_array.sum())
print(tang_array.sum(axis=-1))

17. .prod(axis=0) # 进行数组之间的乘积操作,axis=0表示行与行之间进行乘积

print(tang_array.prod())  # 所有元素进行相乘操作

print(tang_array.prod(axis=1))

18. .min(axis=0) 找出数组中数据最小的值，axis=0表示找出每一列的最小值,从上到下的操作

print(tang_array.min(axis=0))

19 .max(axis=0) # 找出数组中数据最大值的操作

print(tang_array.max(axis=0))

20 .argmax(axis=1) # 找出数组中每一行的最大值的位置

print(tang_array.argmax(axis=1))

21 .mean(axis=1) # 找出数组中每一行均值的大小

print(tang_array.mean(axis=1))

22. std(axis=1) # 求出数组中每一行的标准差

print(tang_array.std(axis=1))

23. .var(axis=1) # 求出数组中每一行的方差

print(tang_array.var(axis=1))

24. .clip(2, 4)进行数据的范围限制, 小于2的用2表示，大于4的用4表示

print(tang_array.clip(2, 4))

25. .round(decimals=1) # 进行四舍五入，decimals表示保留小数点的后几位数

tang_array = np.array([1.12, 2.12, 3.12, 4.6])
print(tang_array.round(decimals=1))

4.排序

26. np.sort(value, axis=0)# 对数据进行排序操作

import numpy as np
tang_array = np.array([[1.5, 1.3, 7.5],
                       [5.6, 7.8, 1.2]])
# 对每一列进行排序
print(np.sort(tang_array, axis=0))

27. .argsort(axis=0) # 打印排序后的索引位置

print(tang_array.argsort(axis=0))

28. np.linspace(0, 10, 11) # 进行范围的数据拆分

tang_array = np.linspace(0, 10, 11)

29. np.searchsorted(tang, value) # 将value插入tang_array 返回的是插入后的索引值

print(np.searchsorted(tang_array, value))

30. np.lexsort # 指定列队数组进行排序操作

tang_array = np.array([[1, 0, 6],
                       [2, 7, 0],
                       [3, 3, 1],
                       [2, 4, 0]])

index = np.lexsort([tang_array[:, 2]])

print(tang_array[index])

5-数组形状

31. np.reshape(value, (2, 5)) # 进行矩阵的维度变化

tang_array = np.arange(10)
print(tang_array.shape)
# 通过.shape改变数据的维度
tang_array.shape = 2, 5
print(np.reshape(tang_array, (2, 5)))
print(tang_array)

32. np.newaxis # 表示增加一个矩阵维度

# 新增加一个维度 np.newaxis
tang_array = np.array([[1, 2],
                       [3, 4]])
tang_array = tang_array[:, :, np.newaxis]
print(tang_array.shape)

33 .squeeze(axis=3) # 表示指定一个维度进行去除

print(tang_array.squeeze(axis=3).shape)

34 .transpose() 表示进行转置操作

tang_array = np.arange(0, 10, 1)
tang_array.shape = 2, 5
print(tang_array.transpose())

猜你喜欢