高级用法:http://www.jb51.net/article/87987.htm

from array import * 调用 array 与 import numpy as np  调用 np.array 的区别:

# a=array.array(‘c‘),决定着下面操作的是字符,并是单个字符

# a=array.array(‘i‘),决定着下面操作的是整数

>>> a=array.array(‘i‘)#整数,b与i类似

        >>> a.append(8)
        >>> a.append(81)
        >>> a
        array(‘i‘, [8, 81])#构成list  此时数组的长度还是2,前面的 i 只是一个指示性的标识,不构成数组的元素。

        >>> a=array.array(‘c‘)#单个字符

        >>> a.append(‘g‘)
        >>> a.append(‘g‘)
        >>> a
        array(‘c‘, ‘gg‘)#单个字符连接

* 用np.array调用array 不用要指示性标志:

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

2、array形状

a=[1,2,3,4]

b=np.array(a)

b.shape  返回:(4,)  表示 b是一个 4列的向量,不是矩阵  ,这个b.shape值是一个元祖,可以提取其中的元素,比如:

1)b.shape[0:]  返回 (4,)

2)b.shape[1:]  返回 ()  ,这个返回表示 没有列,那么源数据是一个向量,不是矩阵

c=np.array([[1,2,3],[4,5,6]])

c.shape  返回:(2, 3)  表示是一个2行3列的矩阵

同理,

c.shape[0:]  返回 (2, 3)

c.shape[1:]  返回 (3,)  表示是3列 源数据是个矩阵

3、np.r_,np.c_

用法:concatenation function 
np.r_按行来组合数组,
np.c_按照colunm来组合数组

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

b = np.array([5,2,5]) >>>

//测试 np.r_

>>> np.r_[a,b]  array([1, 2, 3, 5, 2, 5])

>>> >>> //测试 np.c_ >>>

np.c_[a,b] array([[1, 5], [2, 2], [3, 5]])

>>> np.c_[a,[0,0,0],b] array([[1, 0, 5], [2, 0, 2], [3, 0, 5]])

4、np.linspace

np.linspace(-1,1,5)   #-1 开始 1 结束 ,产生5个数

array([-1. , -0.5,  0. ,  0.5,  1. ])

5、产生正态随机数和矩阵

numpy.random.normal(size=100)
numpy.random.normal(size=(10, 10))

value=np.random.normal(size=(204620, 50))
gender=np.random.randint(0,1,size=(1,204620))

6、np.argsort   #从小到大排列的索引值

b=np.array([1,5,3,4,9,6])

==>np.argsort(b)   => array([0, 2, 3, 1, 5, 4])

b[:-4:-1]   => array([6, 9, 4])  #倒着取(4-1=3) 个数

7、b=np.array([1,5,3,4,9,6])

x=('a','b','c','d','e','f')

让x 按照 b的由小到大的顺序排序的索引进行排序,再反向取3个值。

1)取b由小到达的排序的索引

np.argsort(b)       =》array([0, 2, 3, 1, 5, 4])

2)将x 按照上述的索引 进行排序:

np.array(x)[np.argsort(b)]     =》    array(['a', 'c', 'd', 'b', 'f', 'e'], dtype='|S1')

3)再反向取 3个值:

np.array(x)[np.argsort(b)][:-4:-1]    =》  array(['e', 'f', 'b'], dtype='|S1')

array numpy 模块的更多相关文章

  1. Python科学计算—numpy模块总结(1)

    作为一个本科学数学专业,目前研究非线性物理领域的研究僧.用什么软件进行纯科学计算好,Fortran永远是第一位的:matlab虽然很强大,可以很容易的处理大量的大矩阵,但是求解我们的模型(有时可能是几 ...

  2. Python:基本运算、基本函数(包括复数)、Math模块、NumPy模块

    基本运算 x**2 : x^2 若x是mat矩阵,那就表示x内每个元素求平方 inf:表示正无穷 逻辑运算符:and,or,not 字典的get方法 a.get(k,d) 1 1 get相当于一条if ...

  3. 【Python 数据分析】Numpy模块

    Numpy模块可以高效的处理数据,提供数组支持.很多模块都依赖他,比如:pandas.scipy.matplotlib 安装Numpy 首先到网站:https://www.lfd.uci.edu/~g ...

  4. python numpy模块

    目录 numpy模块 一维数组 二维数组(用的最多的) 获取多维数组的行和列 多维数组的索引 高级功能 多维数组的元素的替换 通过函数方法创建多维数组 矩阵的运算 点乘和转置(了解) 点乘必须 m*n ...

  5. numpy模块(对矩阵的处理,ndarray对象)

    6.12自我总结 一.numpy模块 import numpy as np约定俗称要把他变成np 1.模块官方文档地址 https://docs.scipy.org/doc/numpy/referen ...

  6. Python3:numpy模块中的argsort()函数

    Python3:numpy模块中的argsort()函数   argsort函数是Numpy模块中的函数: >>> import numpy >>> help(nu ...

  7. 3 numpy模块

    Numpy     什么是Numpy:Numeric Python         Numpy模块是Python的一种开源的数值计算扩展.             1 一个强大的N维数组对象Array ...

  8. Day 19 numpy 模块

    numpy 模块(多维数组) import numpy as np arr=np.array([1,2,3,4],[5,6,7,8]) print(arr) #[[1 2 3 4] #[5 6 7 8 ...

  9. Pathon中numpy模块

    目录 numpy模块 切割矩阵 矩阵元素替换 矩阵的合并 通过函数创建矩阵 fromstring/fromfunctions 矩阵的运算 常用矩阵运函数 矩阵的点乘 矩阵的逆 矩阵的其他操作 nump ...

随机推荐

  1. elastic-job 分布式定时任务框架 在 SpringBoot 中如何使用(二)动态添加任务需求

    之前一篇用过了如何在使用创建最简单的任务:比如每天定时清空系统的缓存 这篇文章主要讲解:如何运用elastic-job-lite做灵活的细粒度任务,比如: 如何定时取消某个订单在下订单后30分钟未支付 ...

  2. VBox修改uuid

    1.使用VBoxManage命令时,需要先在命令行中切换到VirtualBox的安装目录下 2.修改vdi的uuid:VBoxManage internalcommands sethduuid  D: ...

  3. Java之优先队列

    PriorityQueue属于Java Collections Framework.PriorityQueue基于优先级堆,它是Queue接口的实现.当我们需要一个Queue实现时,可以使用这种数据结 ...

  4. Android启动过程中背景图片显示

    转自:http://blog.csdn.net/zhangzhikaixinya/article/details/17001321 大部分Android App启动过程中,都会设置一个背景图片,直到A ...

  5. 设计模式初学者笔记:Builder模式

    [作者:byeyear    Email:byeyear@hotmail.com    首发:cnblogs    转载请注明] 在本文的开头,先森森的鄙视下自己……将Builder模式反反复复读了七 ...

  6. 大数据挖掘算法篇之K-Means实例

    一.引言 K-Means算法是聚类算法中,应用最为广泛的一种.本文基于欧几里得距离公式:d = sqrt((x1-x2)^+(y1-y2)^)计算二维向量间的距离,作为聚类划分的依据,输入数据为二维数 ...

  7. IE6 CSS高度height:100% 无效解决方法总结

    原文地址:http://www.cnblogs.com/huangyong8585/archive/2013/02/05/2893058.html   上面红色部分为 height:100%; 自动拉 ...

  8. 1009 Product of Polynomials (25 分)

    1009 Product of Polynomials (25 分) This time, you are supposed to find A×B where A and B are two pol ...

  9. 第10课 C++异常简介

    1. try-catch语句 (1)try语句处理正常代码逻辑 (2)catch语句处理异常情况 (3)try语句中的异常由对应的catch语句处理 (4)C++通过throw语句抛出异常信息 2. ...

  10. BPM与ESB

    BPM:业务流程管理  --监控处理流程的轨迹以及处理过程 开源:JBPM 场景: 1.单一系统的协同工作比如审批流程,请假流程 2.多个系统的集成,复用各个子系统,构建新的处理流程(流程的优化与流程 ...