Numpy的简单用法

import numpy as np

一、创建ndarray对象

  • 列表转换成ndarray:
>>> a = [1,2,3,4,5]
>>> np.array(a)
array([1, 2, 3, 4, 5])
  • 取随机浮点数
>>> np.random.rand(3, 4)
array([[ 0.16215336, 0.49847764, 0.36217369, 0.6678112 ],
[ 0.66729648, 0.86538771, 0.32621889, 0.07709784],
[ 0.05460976, 0.3446629 , 0.35589223, 0.3716221 ]])
  • 取随机整数
>>> np.random.randint(1, 5, size=(3,4))
array([[2, 3, 1, 2],
[3, 4, 4, 4],
[4, 4, 4, 3]])
  • 取零
>>> np.zeros((3,4))
array([[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]])
  • 取一
>>> np.ones((3,4))
array([[ 1., 1., 1., 1.],
[ 1., 1., 1., 1.],
[ 1., 1., 1., 1.]])
  • 取空(最好别用,了解一下,版本不同返回值不一样)
>>> np.empty((3,4))
array([[ 1., 1., 1., 1.],
[ 1., 1., 1., 1.],
[ 1., 1., 1., 1.]])
  • 取整数零或一
>>> np.ones((3,4),int)
array([[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]]) >>> np.zeros((3,4),int)
array([[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 0]])
  • 仿range命令创建ndarray:
>>> np.arange(2,10,2) # 开始,结束,步长
array([2, 4, 6, 8])

二、ndarray属性的查看和操作:

  • 看ndarray属性:
>>> a = [[1,2,3,4,5],[6,7,8,9,0]]
>>> b = np.array(a)
>>> b.ndim #维度个数(看几维)
2
>>> b.shape #维度大小(看具体长宽)
(5,2)
>>>b.dtype
dtype('int32')
  • ndarray创建时指定属性:
>>> np.array([1,2,3,4,5],dtype=np.float64)
array([ 1., 2., 3., 4., 5.]) >>> np.zeros((2,5),dtype=np.int32)
array([[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0]])
  • 属性强转:
>>> a = np.array([1,2,3,4,5],dtype=np.float64)
>>> a
array([ 1., 2., 3., 4., 5.]) >>> a.astype(np.int32)
array([1, 2, 3, 4, 5])

三、简单操作:

  • 批量运算:
>>> a = np.array([1,2,3,4,5],dtype=np.int32)
>>> a
array([1, 2, 3, 4, 5]) >>> a + a
array([ 2, 4, 6, 8, 10]) >>> a * a
array([ 1, 4, 9, 16, 25]) >>> a - 2
array([-1, 0, 1, 2, 3]) >>> a / 2
array([ 0.5, 1. , 1.5, 2. , 2.5]) #等等
  • 改变维度:
>>> a = np.array([[1,2,3,4,5],[6,7,8,9,0]],dtype=np.int32)
>>> a
array([[1, 2, 3, 4, 5],
[6, 7, 8, 9, 0]]) >>> a.reshape((5,2))
array([[1, 2],
[3, 4],
[5, 6],
[7, 8],
[9, 0]])
  • 矩阵转换(和改变维度有本质区别,仔细):
>>> a = np.array([[1,2,3,4,5],[6,7,8,9,0]],dtype=np.int32)
>>> a
array([[1, 2, 3, 4, 5],
[6, 7, 8, 9, 0]]) >>> a.transpose()
array([[1, 6],
[2, 7],
[3, 8],
[4, 9],
[5, 0]])
  • 打乱(只能打乱一维):
>>> a = np.array([[1,2],[3,4],[5,6],[7,8],[9,0]],dtype=np.int32)
>>> a
array([[1, 2],
[3, 4],
[5, 6],
[7, 8],
[9, 0]]) >>> np.random.shuffle(a)
>>> a
array([[9, 0],
[1, 2],
[7, 8],
[5, 6],
[3, 4]])

四、切片和索引:

  • 一维数组(和普通列表一样):
>>> a = np.array(range(10))
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> a[3]
3 >>> a[2:9:2]
array([2, 4, 6, 8])
  • 多维数组(也差不了多少):
>>> a = np.array([[1,2,3,4,5],[6,7,8,9,0],[11,12,13,14,15]],dtype=np.int32)

>>> a
array([[ 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 0],
[11, 12, 13, 14, 15]]) >>> a[:, 1:4]
array([[ 2, 3, 4],
[ 7, 8, 9],
[12, 13, 14]])
  • 条件索引:
>>> a = np.array([[1,2,3,4,5],[6,7,8,9,0],[11,12,13,14,15]],dtype=np.int32)

>>> a
array([[ 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 0],
[11, 12, 13, 14, 15]]) >>> a > 5
array([[False, False, False, False, False],
[ True, True, True, True, False],
[ True, True, True, True, True]], dtype=bool) >>> a[a>5]
array([ 6, 7, 8, 9, 11, 12, 13, 14, 15]) >>> a%3 == 0
Out[128]:
array([[False, False, True, False, False],
[ True, False, False, True, True],
[False, True, False, False, True]], dtype=bool) >>> a[a%3 == 0]
array([ 3, 6, 9, 0, 12, 15])

五、函数(numpy核心知识点)

  • 计算函数(都不想举例了,太简单。。):
np.ceil(): 向上最接近的整数,参数是 number 或 array
np.floor(): 向下最接近的整数,参数是 number 或 array
np.rint(): 四舍五入,参数是 number 或 array
np.isnan(): 判断元素是否为 NaN(Not a Number),参数是 number 或 array
np.multiply(): 元素相乘,参数是 number 或 array
np.divide(): 元素相除,参数是 number 或 array
np.abs():元素的绝对值,参数是 number 或 array
np.where(condition, x, y): 三元运算符,x if condition else y
>>> a = np.random.randn(3,4)
>>> a
array([[ 0.37091654, 0.53809133, -0.99434523, -1.21496837],
[ 0.00701986, 1.65776152, 0.41319601, 0.41356973],
[-0.32922342, 1.07773886, -0.27273258, 0.29474435]]) >>> np.ceil(a)
array([[ 1., 1., -0., -1.],
[ 1., 2., 1., 1.],
[-0., 2., -0., 1.]]) >>> np.where(a>0, 10, 0)
array([[10, 10, 0, 0],
[10, 10, 10, 10],
[ 0, 10, 0, 10]])
  • 统计函数
np.mean():所有元素的平均值
np.sum():所有元素的和,参数是 number 或 array
np.max():所有元素的最大值
np.min():所有元素的最小值,参数是 number 或 array
np.std():所有元素的标准差
np.var():所有元素的方差,参数是 number 或 array
np.argmax():最大值的下标索引值,
np.argmin():最小值的下标索引值,参数是 number 或 array
np.cumsum():返回一个一维数组,每个元素都是之前所有元素的累加和
np.cumprod():返回一个一维数组,每个元素都是之前所有元素的累乘积,参数是 number 或 array
>>> a = np.arange(12).reshape(3,4).transpose()
>>> a
array([[ 0, 4, 8],
[ 1, 5, 9],
[ 2, 6, 10],
[ 3, 7, 11]]) >>> np.mean(a)
5.5 >>> np.sum(a)
66 >>> np.argmax(a)
11 >>> np.std(a)
3.4520525295346629 >>> np.cumsum(a)
array([ 0, 4, 12, 13, 18, 27, 29, 35, 45, 48, 55, 66], dtype=int32)
  • 判断函数:
np.any(): 至少有一个元素满足指定条件,返回True
np.all(): 所有的元素满足指定条件,返回True
>>> a = np.random.randn(2,3)
>>> a
array([[-0.65750548, 2.24801371, -0.26593284],
[ 0.31447911, -1.0215645 , -0.4984958 ]]) >>> np.any(a>0)
True >>> np.all(a>0)
False
  • 去除重复:
np.unique(): 去重

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

Numpy的简单用法的更多相关文章

  1. CATransition(os开发之画面切换) 的简单用法

    CATransition 的简单用法 //引进CATransition 时要添加包“QuartzCore.framework”,然后引进“#import <QuartzCore/QuartzCo ...

  2. jquery.validate.js 表单验证简单用法

    引入jquery.validate.js插件以及Jquery,在最后加上这个插件的方法名来引用.$('form').validate(); <!DOCTYPE html PUBLIC " ...

  3. NSCharacterSet 简单用法

    NSCharacterSet 简单用法 NSCharacterSet其实是许多字符或者数字或者符号的组合,在网络处理的时候会用到 NSMutableCharacterSet *base = [NSMu ...

  4. [转]Valgrind简单用法

    [转]Valgrind简单用法 http://www.cnblogs.com/sunyubo/archive/2010/05/05/2282170.html Valgrind的主要作者Julian S ...

  5. Oracle的substr函数简单用法

    substr(字符串,截取开始位置,截取长度) //返回截取的字 substr('Hello World',0,1) //返回结果为 'H'  *从字符串第一个字符开始截取长度为1的字符串 subst ...

  6. Ext.Net学习笔记19:Ext.Net FormPanel 简单用法

    Ext.Net学习笔记19:Ext.Net FormPanel 简单用法 FormPanel是一个常用的控件,Ext.Net中的FormPanel控件同样具有非常丰富的功能,在接下来的笔记中我们将一起 ...

  7. TransactionScope简单用法

    记录TransactionScope简单用法,示例如下: void Test() { using (TransactionScope scope = new TransactionScope()) { ...

  8. WPF之Treeview控件简单用法

    TreeView:表示显示在树结构中分层数据具有项目可展开和折叠的控件 TreeView 的内容是可以包含丰富内容的 TreeViewItem 控件,如 Button 和 Image 控件.TreeV ...

  9. listActivity和ExpandableListActivity的简单用法

    http://www.cnblogs.com/limingblogs/archive/2011/10/09/2204866.html 今天自己简单的总结了listActivity和Expandable ...

随机推荐

  1. AutoLayout中使用UIScrollView

    UIScrollView 在 Auto Layout 是一个很特殊的 view,对于 UIScrollView 的 subview 来说,它的 leading/trailing/top/bottom ...

  2. 转:UIViewController中各方法调用顺序及功能详解

    UIViewController中loadView, viewDidLoad, viewWillUnload, viewDidUnload, viewWillAppear, viewDidAppear ...

  3. [转]QList内存释放

    QList<T> 的释放分两种情况: 1.T的类型为非指针,这时候直接调用clear()方法就可以释放了,看如下测试代码 #include <QtCore/QCoreApplicat ...

  4. 2016.5.19——vector型的输入输出

    vector型的输入输出 在上节2015.5.18——leetcode:Majority Element中纠结vector的动态输入输出问题,但是发现vector传参型的不可以动态输入输出,但是vec ...

  5. 【杂谈】需要mark的一些东西

    https://riteme.github.io/blog/2017-10-28/oi-coding-guidelines.html https://www.luogu.org/blog/34238/ ...

  6. OpenFlow1.3协议wireshark抓包分析

    OpenFlow v1.0 v1.0协议消息列表如下: 分为三类消息:Controller-to-switch,asynchronous和symmertric. v1.0(包含至少一个流表,每个流表包 ...

  7. 【2017-10-1】雅礼集训day1

    今天的题是ysy的,ysy好呆萌啊. A: 就是把一个点的两个坐标看成差分一样的东西,以此作为区间端点,然后如果点有边->区间没有交. B: cf原题啊.....均摊分析,简单的那种. 线段树随 ...

  8. 六、springcloud之配置中心Config

    一.配置中心提供的核心功能 Spring Cloud Config为服务端和客户端提供了分布式系统的外部化配置支持.配置服务器为各应用的所有环境提供了一个中心化的外部配置.它实现了对服务端和客户端对S ...

  9. 二、springboot配置

    一.启动类 在包根目录下添加启动类,必须包含main方法,再添加Spring Boot启动方法: SpringApplication.run(SampleController.class, args) ...

  10. 15 Defer, Panic, and Recover

    Defer, Panic, and Recover 4 August 2010 Go has the usual mechanisms for control flow: if, for, switc ...