NumPy基础
一、NumPy ndarray
(一)生成ndarray
函数 | 描述(默认数据类型是float64) |
array | 将输入数据(序列型对象)转换为ndarray,若不显示的指定数据类型,将自动推断;默认复制所有的输入数据 |
asarray | 将输入转换为ndarray。但如果输入已经是ndarray,则不再复制 |
arange | python内建函数range的数组版,返回一个数组 |
ones | 根据指定形状和数据类型生成全1数组 |
ones_like | 根据所给的数组生成一个形状一样的全1数组 |
zeros | 根据给定形状和数据类型生成全0数组 |
zeros_like | 根据所给的数组生成一个形状一样的全0数组 |
empty | 根据给定形状生成一个没有初始化数值的空数组 |
empty_like | 根据所给的数组生成一个形状一样但没有初始化数值的空数组 |
full | 根据给定形状和数据类型生成指定数值的数组 |
full_like | 根据所给的数组生成一个形状一样但内容是指定数值的数组 |
eye,identity | 生成一个N×N特征矩阵(对角线位置都是1,其余位置是0) |
(二)ndarray的数据类型
类型 | 类型代码 | 描述 |
int8,unit8 | i1,u1 | 有符号和无符号的8位整数 |
int16,uint16 | i2,u2 | 有符号和无符号的16位整数 |
int32,uint32 | i4,u4 | 有符号和无符号的32位整数 |
int64,uint64 | i8,u8 | 有符号和无符号的64位整数 |
float16 | f2 | 半精度浮点数 |
float32 | f4或f | 标准单精度浮点数;兼容C语言float |
float64 | f8或d | 标准双精度浮点数;兼容C语言double和Python float |
float128 | f16或g | 拓展精度浮点数 |
complex64,complex128,complex256 | c8,c16,c32 | 分别基于32位、64位、128位浮点数的复数 |
bool | ? | 布尔值,存储True或False |
object | o | Python object类型 |
string_ |
S |
修正的ASCII字符串类型;例如生成一个长度为10的字符串类型,使用'S10' |
unicode_ | U | 修正的Unicode类型,生成一个长度为10的Unicode类型,使用'U10' |
astype方法---显示地转换数组的数据类型
注意:使用astype时总是生成一个新的数组,即使传入的dtype与之前一样。
(三)NumPy数组算术
1、向量化:批量操作而无须任何for循环
2、等尺寸数组---逐元素操作
①标量计算---会把计算参数传递给数组的每一个元素
②比较---产生一个布尔值数组
3、不同尺寸数组的操作---广播特性(了解)
(四)基础索引与切片
1、索引
①区别于python的内建列表,数组的切片是原数组的视图---数据并不是被复制了,任何对于视图的修改都会反映到原数组上。
例1:arr([0,1,2,3,4,5])
arr[2:4]=12
arr([0,1,12,12,12,5])
例2:arr_slice=arr[2:4]
arr_slice[1]=12345
arr([0,1,12,12345,12,5])
注意:[:]将会引用数组的所有值;显示的复制数组---arr[2:4].copy()
②二维数组,可以传递一个索引的逗号分隔列表去选择单个元素
arr2d[0][2]相当于arr2d[0,2]
③多维数组,省略后续索引值,返回的对象将是降低一个维度的数组
例:2×2×3的数组 arr3d(
[[[1, 2, 3]
[4, 5, 6]]
[[7, 8, 9]
[10, 11, 12]]]
)
arr3d[0]是一个2×3的数组 arr3d[0](
[[1, 2, 3]
[4, 5, 6]]
)
标量和数组都可以传递给arr3d[0]---arr3d[0]=42、arr3d[0]=arr([[1 2 3][4 5 6]])
④数组的切片索引
将索引和切片混合,得到降低纬度的切片
例:arr2d=arr([[1 2 3][4 5 6][7 8 9]])
arr2d[1,:2]---arr([4,5])
arr2d[:2,2]---arr([3,6])
注意:单独一个冒号表示选择整个轴上的数组 arr2d[:,:1]---arr([1],[4],[7])
(五)布尔索引
使用pandas更方便
(六)神奇索引
神奇索引---用于描述使用整数数组进行数据索引
NumPy基础的更多相关文章
- 利用Python进行数据分析(5) NumPy基础: ndarray索引和切片
概念理解 索引即通过一个无符号整数值获取数组里的值. 切片即对数组里某个片段的描述. 一维数组 一维数组的索引 一维数组的索引和Python列表的功能类似: 一维数组的切片 一维数组的切片语法格式为a ...
- 《利用python进行数据分析》读书笔记--第四章 numpy基础:数组和矢量计算
http://www.cnblogs.com/batteryhp/p/5000104.html 第四章 Numpy基础:数组和矢量计算 第一部分:numpy的ndarray:一种多维数组对象 实话说, ...
- 利用Python进行数据分析——Numpy基础:数组和矢量计算
利用Python进行数据分析--Numpy基础:数组和矢量计算 ndarry,一个具有矢量运算和复杂广播能力快速节省空间的多维数组 对整组数据进行快速运算的标准数学函数,无需for-loop 用于读写 ...
- numpy 基础操作
Numpy 基础操作¶ 以numpy的基本数据例子来学习numpy基本数据处理方法 主要内容有: 创建数组 数组维度转换 数据选区和切片 数组数据计算 随机数 数据合并 数据统计计算 In [1]: ...
- Numpy 基础
Numpy 基础 参考https://www.jianshu.com/p/83c8ef18a1e8 import numpy as np 简单创建数组 # 创建简单列表 a = [1, 2, 3, 4 ...
- [转]python与numpy基础
来源于:https://github.com/HanXiaoyang/python-and-numpy-tutorial/blob/master/python-numpy-tutorial.ipynb ...
- python学习笔记(三):numpy基础
Counter函数可以对列表中数据进行统计每一个有多少种 most_common(10)可以提取前十位 from collections import Counter a = ['q','q','w' ...
- Numpy基础数据结构 python
Numpy基础数据结构 NumPy数组是一个多维数组对象,称为ndarray.其由两部分组成: 实际的数据 描述这些数据的元数据 1.一维数组 import numpy as np ar = np.a ...
- Python Numpy基础教程
Python Numpy基础教程 本文是一个关于Python numpy的基础学习教程,其中,Python版本为Python 3.x 什么是Numpy Numpy = Numerical + Pyth ...
- NumPy基础操作
NumPy基础操作(1) (注:记得在文件开头导入import numpy as np) 目录: 数组的创建 强制类型转换与切片 布尔型索引 结语 数组的创建 相关函数 np.array(), np. ...
随机推荐
- [spoj Favorite Dice ][期望dp]
(1)https://vjudge.net/problem/SPOJ-FAVDICE 题意:有一个n面的骰子,每一面朝上的概率相同,求所有面都朝上过至少一次的总次数期望. 题解:令dp[i]表示 i ...
- javascript 4.1 美术馆
1.把images文件夹放在html文件同一文件夹子目录下,可以在html中引用图片 例如<a href="images/rose.jpg" title="A re ...
- D类IP地址和组播传输
在224.0.0.0-239.255.255.255范围内的地址称为D类IP组播地址.其中,224.0.0.0-224.0.0.255为预留的组播地址(永久组地址),地址224.0.0.0保留不做分配 ...
- 用shell脚本创建sqlite表并添加sql语句--通用
重要使用的是EOF的功能,亲测和!功能一致:下面是测试代码 #!/bin/bash val=`ls`for v in ${val} do if [ ${v} == "test.db" ...
- 使用bind提供域名解析服务
- Ansys热应力计算
目录 问题说明 温度场分析APDL 结果 问题说明 样块上下两端固定,在室温20℃下进行夹紧,分析其升温到150℃时的热应力. 采用间接法进行分析,温度场单元选择278,应力场单元为185 首先进行稳 ...
- R-shiny服务器安装及配置
R的shiny 服务器管理-入门http://www.bio-info-trainee.com/1683.html sudo systemctl start shiny-serversudo syst ...
- Python3源码学习-requests
源码:https://github.com/small99/AutoLink 本地安装包 version.txt记录版本号. 通过requests GET最新git上版本号. import codec ...
- linux下软件安装的几种方式
linux下软件安装的几种方式(主要有源码安装, rpm安装, yum安装). 一:源码安装 几乎所有的开源软件都支持在Linux下运行,而这些软件一般都以源码形式发放,只需要Linux安装了gcc. ...
- 关于怎样获取DevExpress GridView过滤后或排序后的数据集问题(转)
GridView用自带的过滤功能过滤数据后,想要获取过滤后的数据集,有两种方式: 一.笨办法就是循环遍历GridView,根据gridView.GetRow()或者gridView.GetDataRo ...