Numpy Quickstart tutorial
此文是关于Numpy的一些基本用法, 内容来源于Numpy官网:https://docs.scipy.org/doc/numpy-dev/user/quickstart.html
1.The Basics
1)导入numpy
import numpy as np
2)创建一个0--14的数组a, 并将其变为3行5列的二位数组
a = np.arange(15).reshape(3, 5)
a
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
3)查看a的形状
a.shape
(3, 5)
4)查看a的维数
a.ndim
2
5)查看a中元素的数据类型
a.dtype
dtype('int64')
6)查看数组中每个元素的字节大小
a.itemsize
8
7)查看数组a中所有元素的总个数
a.size
15
8)查看a的类型, 结果显示a是一个numpy数组
type(a)
numpy.ndarray
2.Array Creation
1)可以把一个python列表直接转为numpy数组
a = np.array([2,3,4])
a
array([2, 3, 4])
一个常见的错误是不能直接把元素放入函数小括号内, 需要单独的一个中括号包含着这些元素。
a = np.array(1,2,3,4) # WRONG
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-15-90a21e8c09d8> in <module>()
----> 1 a = np.array(1,2,3,4) # WRONG ValueError: only 2 non-keyword arguments accepted a = np.array([1,2,3,4]) # RIGHT
a
array([1, 2, 3, 4])
2)创建元素为0的数组
np.zeros( (3,4) )
array([[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]])
3)创建元素为1的数组
np.ones( (2,3,4), dtype=np.int16 )
array([[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]], [[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]]], dtype=int16)
4)创建一个空数组
np.empty( (2,3) )
array([[ 0., 0., 0.],
[ 0., 0., 0.]])
5)设定区间, 并按照一定间隔创建数组
np.arange( 10, 30, 5 )
array([10, 15, 20, 25]) np.arange( 0, 2, 0.3 )
array([ 0. , 0.3, 0.6, 0.9, 1.2, 1.5, 1.8])
6)在0到2之间均匀的生成9个数作为数组
from numpy import pi
np.linspace( 0, 2, 9 )
array([ 0. , 0.25, 0.5 , 0.75, 1. , 1.25, 1.5 , 1.75, 2. ])
3.Basic Operations
1)两个数组的元素相加减
a = np.array( [20,30,40,50] )
b = np.arange( 4 )
b
array([0, 1, 2, 3]) c = a-b
c
array([20, 29, 38, 47])
2)数组的2次幂
b**2
array([0, 1, 4, 9]) 10*np.sin(a)
array([ 9.12945251, -9.88031624, 7.4511316 , -2.62374854])
3)对数组内元素与一常量比较大小, 返回一个布尔数组
a<35
array([ True, True, False, False], dtype=bool)
4)两个数组的元素间相乘
A = np.array( [[1,1],[0,1]] )
B = np.array( [[2,0],[3,4]] )
A*B
array([[2, 0],
[0, 4]])
5)两个数组矩阵点乘, 有两种方法, 得到的结果是相同的。
A.dot(B)
array([[5, 4],
[3, 4]]) np.dot(A, B)
array([[5, 4],
[3, 4]])
6)数组的求和、最大值、最小值
a = np.random.random((2,3))
a
array([[ 0.76423426, 0.45623695, 0.65700409],
[ 0.75365929, 0.13244614, 0.23917196]]) a.sum(), a.max(), a.min()
(3.0027526935349194, 0.76423426042527243, 0.13244614149075928)
4.Indexing, Slicing and Iterating
1)一维数组的索引与切片
a = np.arange(10)**3
a
array([ 0, 1, 8, 27, 64, 125, 216, 343, 512, 729]) # a的第三个元素
a[2]
8 # a的第三到第五个元素
a[2:5]
array([ 8, 27, 64]) # a的从0到6个元素中, 索引能被2整除的都替换为-1000
a[:6:2] = -1000
a
array([-1000, 1, -1000, 27, -1000, 125, 216, 343, 512, 729])
# 将a反转
a[ : :-1]
array([ 729, 512, 343, 216, 125, -1000, 27, -1000, 1, -1000])
2)多维数组的索引与切片
def f(x,y):
return 10*x+y b = np.fromfunction(f,(5,4),dtype=int)
b
array([[ 0, 1, 2, 3],
[10, 11, 12, 13],
[20, 21, 22, 23],
[30, 31, 32, 33],
[40, 41, 42, 43]]) b[2,3]
23 b[0:5, 1]
array([ 1, 11, 21, 31, 41])
b[-1]
array([40, 41, 42, 43])
# 将数组展开
b.flatten()、
array([ 0, 1, 2, 3, 10, 11, 12, 13, 20, 21, 22, 23, 30, 31, 32, 33, 40, 41, 42, 43])
3)数组拼接
a = np.floor(10*np.random.random((2,2)))
b = np.floor(10*np.random.random((2,2)))
a
array([[ 4., 7.],
[ 9., 2.]]) b
array([[ 8., 1.],
[ 9., 5.]]) # 竖向拼接
np.vstack((a,b))
array([[ 4., 7.],
[ 9., 2.],
[ 8., 1.],
[ 9., 5.]]) # 横向拼接
np.hstack((a,b))
array([[ 4., 7., 8., 1.],
[ 9., 2., 9., 5.]])
# 横向拼接
np.column_stack((a,b))
array([[ 4., 7., 8., 1.],
[ 9., 2., 9., 5.]])
4) 将数组分成几个小数组
a = np.floor(10*np.random.random((2,12)))
a
array([[ 2., 3., 2., 4., 2., 1., 5., 4., 4., 2., 0., 3.],
[ 9., 2., 0., 2., 8., 3., 6., 2., 7., 2., 2., 6.]]) np.hsplit(a,3) # Split a into 3
[array([[ 2., 3., 2., 4.],
[ 9., 2., 0., 2.]]), array([[ 2., 1., 5., 4.],
[ 8., 3., 6., 2.]]), array([[ 4., 2., 0., 3.],
[ 7., 2., 2., 6.]])] np.hsplit(a,(3,4)) # Split a after the third and the fourth column
[array([[ 2., 3., 2.],
[ 9., 2., 0.]]), array([[ 4.],
[ 2.]]), array([[ 2., 1., 5., 4., 4., 2., 0., 3.],
[ 8., 3., 6., 2., 7., 2., 2., 6.]])]
Numpy Quickstart tutorial的更多相关文章
- Python 学习 第十一篇:numpy
numpy是Python中的基础模块,类型ndarray定义了一个具有矢量算术运算的多维数组,无需编写循环,就能对整个数组进行批量运算.通常情况下,导入numpy,设置别名为np. import nu ...
- numpy 学习笔记
numpy 学习笔记 导入 numpy 包 import numpy as np 声明 ndarray 的几种方法 方法一,从list中创建 l = [[1,2,3], [4,5,6], [7,8,9 ...
- [Python] 01 - Number
故事背景 一.大纲 如下,chapter4 是个概览,之后才是具体讲解. 二. 编译过程 Ref: http://www.dsf.unica.it/~fiore/LearningPython.pdf
- [Python] 01 - Number and Matrix
故事背景 一.大纲 如下,chapter4 是个概览,之后才是具体讲解. 二. 编译过程 Ref: http://www.dsf.unica.it/~fiore/LearningPython.pdf
- 小猪的Python学习之旅 —— 16.再尝Python数据分析:采集拉勾网数据分析Android就业行情...
一句话概括本文: 爬取拉钩Android职位相关数据,利用numpy,pandas和matplotlib对招人公司 情况和招聘要求进行数据分析. 引言: 在写完上一篇<浅尝Python数据分析: ...
- numpy基本用法
numpy 简介 numpy的存在使得python拥有强大的矩阵计算能力,不亚于matlab. 官方文档(https://docs.scipy.org/doc/numpy-dev/user/quick ...
- numpy快速指南
Quickstart tutorial 引用https://docs.scipy.org/doc/numpy-dev/user/quickstart.html Prerequisites Before ...
- Mac 操作系统安装 SVN server教程(Subversion With Mac OS X Tutorial)
Find recent articles on my github page: rubyrobot.github.io © 2006-2014 Imagine Ecommerce Subversion ...
- Python数据分析与可视化(经典学习资料)
Numpy:来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多,本身是由C语言开发.这个是很基础的扩展,其余的扩展都是以此为基础.数据结构为 ...
随机推荐
- Mybatis 一级缓存和二级缓存的使用
目录 Mybatis缓存 一级缓存 二级缓存 缓存原理 Mybatis缓存 官方文档:https://mybatis.org/mybatis-3/zh/sqlmap-xml.html#cache My ...
- 【Oracle】删除表空间
删除表空间如果是 SQL> DROP TABLEPSACE XXXX; 是无法将数据文件一同都删除的 想要删除表空间和数据文件需要如下操作: SQL> drop tablespace XX ...
- CTFshow萌新赛-千字文
打开靶机 下载完成后,为一张二维码图片 使用StegSolve 解出隐写图像 保存后使用PS或其他工具去除白边 然后使用脚本分割这个图像(25*25) from PIL import Image im ...
- 07--Docker安装Redis
1.拉取redis:3.2 docker pull redis:3.2 2.创建redis容器 docker run -p 6379:6379 -v /zhengcj/myredis/data:/da ...
- 二十七:XSS跨站之代码及httponly绕过
httponly:如果给某个 cookie 设置了 httpOnly 属性,则无法通过 JS 脚本 读取到该 cookie 的信息,但还Application 中手动修改 cookie,所以只是在一定 ...
- 使用git上传代码到github远程仓库
一.新建代码库注册好github登录后,首先先在网页上新建代码库. 点击右上角"+"→New repository 进入如下页面:按照要求填写完成后,点击按钮创建代码库创建成功. ...
- ModuleNotFoundError 模块寻找路径
t = os.path.dirname(os.path.dirname((os.path.dirname(os.path.abspath(__file__)))))os.path.sys.path.a ...
- 使用Linux服务器来通过网络安装和激活Windows 7 —— 一些基本原理
使用Linux服务器来通过网络安装和激活Windows 7 -- 一些基本原理 https://www.pufengdu.org/blog/?p=372
- (002)每日SQL学习:删除名称重复的数据
create table A ( id VARCHAR2(36), name VARCHAR2(100), sl VARCHAR2(36) ); insert all into a (id,name) ...
- 一个基于protocol buffer的RPC实现
Protocol Buffer仅仅是提供了一套序列化和反序列化结构数据的机制,本身不具有RPC功能,但是可以基于其实现一套RPC框架. Services protocol buffer的Service ...