安装numpy : pip install numpy

numpy数组生成方法总结

In [4]:
import numpy as np

#使用列表生成一个一维数组

data = [1,2,3,4,5]

x = np.array(data)

print(x)

print(x.dtype) #打印数组类型

print(type(x))
[1 2 3 4 5]

int32

<class 'numpy.ndarray'>
In [6]:
import numpy as np

#使用列表生成一个二维数组

data = [[1,2], [3,4], [5,6]]

x = np.array(data)

print(x)

print(x.dtype)

print(x.ndim) #打印数组维度

print(x.shape) #打印数组各个维度的长度

print(type(x))
[[1 2]

[3 4]

[5 6]]

int32

2

(3, 2)

<class 'numpy.ndarray'>
In [16]:
import numpy as np

#使用zeros创建一个长度为4, 元素为0的一维数组

x = np.zeros(4)

print(x)

#创建一个二维数组, 一维长度为2, 二维长度为3, 元素为0的数组

x = np.zeros((2,3))

print(x)

#使用ones创建一个二维数组, 一维长度为2, 二维长度为3, 元素为1的数组

x = np.ones((2,3))

print(x)

#使用empty创建一个二维数组, 一维长度为3, 二维长度为3, 元素为初始化的数组

y = np.empty((3,3))

print(y)

#使用arange生成连续元素

a = np.arange(5)

print(a)

b = np.arange(1,5,2)

print(b)
[ 0.  0.  0.  0.]

[[ 0. 0. 0.]

[ 0. 0. 0.]]

[[ 1. 1. 1.]

[ 1. 1. 1.]]

[[ 2.97907948e-317 2.69387831e-316 8.66647269e-317]

[ 2.48185956e-315 2.48185956e-315 2.48185909e-315]

[ 0.00000000e+000 0.00000000e+000 6.52072824e+091]]

[0 1 2 3 4]

[1 3]

reshape用法:

In [2]:
import numpy as np

#二维数组

a = np.arange(10).reshape(2,5)

print(a)

print("\n")

#三维数组

a = np.arange(12).reshape(2,2,3)

print(a)
[[0 1 2 3 4]

[5 6 7 8 9]] [[[ 0 1 2]

[ 3 4 5]] [[ 6 7 8]

[ 9 10 11]]]

基本运算:

数组的算术运算是按照元素的

In [9]:
import numpy as np

a = np.array([30,40,50,60])

b = np.arange(4) print(a)

print(b)

print("\na-b:")

#俩个数据相减

c = a - b

print(c)

print("\nb2:")

#b数组二次方

print(b
2)

#比较

print("\na<45:")

print(a<45)
[30 40 50 60]

[0 1 2 3] a-b:

[30 39 48 57] b**2:

[0 1 4 9] a<45:

[ True True False False]

numpy中的*是按元素计算的, 如果矩阵乘法, 需要调用dot函数

In [12]:
import numpy as np

a = np.array([

[1, 2],

[3, 4]

]) b = np.array([

[1,1],

[0,4]

]) #运算

print("a
b:")

print(a*b) #dot运算

print("\ndot(a,b):")

print(np.dot(a,b))
a*b:

[[ 1 2]

[ 0 16]] dot(a,b):

[[ 1 9]

[ 3 19]]

axis参数用法:

In [19]:
import numpy as np

a = np.arange(12).reshape(2,2,3)

print(a)

print("计算第一维度和:")

print(a.sum(axis=0))

print("计算第二维度和:")

print(a.sum(axis=1))

print("计算第三维度和:")

print(a.sum(axis=2)) #说白了就是说计算第一维度的时候, 把2,3下标值一样的, 第一下标值不一样的加在一起, 重新生成一个数组, 以此类推
[[[ 0  1  2]

[ 3 4 5]] [[ 6 7 8]

[ 9 10 11]]]

计算第一维度和:

[[ 6 8 10]

[12 14 16]]

计算第二维度和:

[[ 3 5 7]

[15 17 19]]

计算第三维度和:

[[ 3 12]

[21 30]]
In [20]:
import numpy as np

a = np.arange(12).reshape(3,4)

print(a)

print("找出第一维度的最小值:")

print(a.min(axis=0))

print("找出第二维度的最小值:")

print(a.min(axis=1))
[[ 0  1  2  3]

[ 4 5 6 7]

[ 8 9 10 11]]

找出第一维度的最小值:

[0 1 2 3]

找出第二维度的最小值:

[0 4 8]
In [21]:
import numpy as np

a = np.arange(12).reshape(3,4)

print(a)

print("计算第一维度的累加值:")

print(a.cumsum(axis=0))

print("计算第二维度的累加值:")

print(a.cumsum(axis=1))
[[ 0  1  2  3]

[ 4 5 6 7]

[ 8 9 10 11]]

计算第一维度的累加值:

[[ 0 1 2 3]

[ 4 6 8 10]

[12 15 18 21]]

计算第二维度的累加值:

[[ 0 1 3 6]

[ 4 9 15 22]

[ 8 17 27 38]]

通用函数用法:

In [22]:
import numpy as np

a = np.arange(3)

print(a) print(np.exp2(a)) #输出以2weidi
[0 1 2]

[ 1. 2. 4.]

python3 numpy基本用法归纳总结的更多相关文章

  1. 比较合并工具vimdiff的主要用法归纳

    参考:https://www.ibm.com/developerworks/cn/linux/l-vimdiff/ vimdiff主要用法归纳如下:   1.打开文件 vimdiff file1 fi ...

  2. until与till的用法归纳

    until与till的用法归纳 崔荣斌 until和till两者都可作介词.连词,一般情况下可以互换使用.用于肯定句时,主句的动词只用延续性的,它所表示的动作一直延续到till或until表示的时间为 ...

  3. python3 字典常见用法总结

    python3 字典常见用法总结 Python字典是另一种可变容器模型,且可存储任意类型对象,如字符串.数字.元组等其他容器模型. 一.创建字典 字典由键和对应值成对组成.字典也被称作关联数组或哈希表 ...

  4. Python3 range() 函数用法

    Python3 range() 函数用法  Python3 内置函数 Python3 range() 函数返回的是一个可迭代对象(类型是对象),而不是列表类型, 所以打印的时候不会打印列表. Pyth ...

  5. 数据分析-numpy的用法

    一.jupyter notebook 两种安装和启动的方式: 第一种方式: 命令行安装:pip install jupyter 启动:cmd 中输入 jupyter notebook 缺点:必须手动去 ...

  6. numpy用法归纳

    1.生成数组 import numpy as np 把python列表转换为数组 >>> np.array([1, 2, 3]) array([1, 2, 3]) 把python的r ...

  7. numpy常用用法总结

    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 ...

  8. numpy.where() 用法详解

    numpy.where (condition[, x, y]) numpy.where() 有两种用法: 1. np.where(condition, x, y) 满足条件(condition),输出 ...

  9. numpy.loadtxt用法

    numpy.loadtxt(fname, dtype=, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None ...

随机推荐

  1. 文档翻译第003篇:Process Monitor帮助文档(Part 3,附Process Monitor的简单演示)

    [导入与导出配置] 一旦您配置了一个筛选器,您能够使用"工具(Tools)"菜单中的"保存筛选器(SaveFilters)"菜单项将其保存.Process Mo ...

  2. Impala基础认知与安装

    一.Impala简介 Cloudera Impala对你存储在Apache Hadoop在HDFS,HBase的数据提供直接查询互动的SQL.除了像Hive使用相同的统一存储平台,Impala也使用相 ...

  3. 软件——关于C,typedef

    1;;写博客能让我慢下来,仔细思考 1;;这篇博客大多摘自网上 1;; 不管实在C还是C++代码中,typedef这个词都不少见,当然出现频率较高的还是在C代码中.typedef与#define有些相 ...

  4. centos php 安装memcached 扩展 支持sasl

    1.安装sasl yum install cyrus-sasl-lib.x86_64 yum install cyrus-sasl-devel.x86_64 2.下载libmemcached wget ...

  5. Android Java使用JavaMail API发送和接收邮件的代码示例

    JavaMail是Oracle甲骨文开发的Java邮件类API,支持多种邮件协议,这里我们就来看一下Java使用JavaMail API发送和接收邮件的代码示例 使用Javamail发送邮件,必需的j ...

  6. [Nuxt] Setup a "Hello World" Server-Rendered Vue.js Application with the Vue-CLI and Nuxt

    Install: npm install -g vue-cli Init project: vue init nuxt/starter . Run: npm run dev Create a inde ...

  7. hdu 1506 Largest Rectangle in a Histogram ((dp求最大子矩阵))

    # include <stdio.h> # include <algorithm> # include <iostream> # include <math. ...

  8. STL MAP取消排序

    class MyLess{public: bool operator()(const CString str1,const CString str2)const { return TRUE; }}; ...

  9. 【SPOJ QTREE】树链剖分模板

    用线段树求解,这里注意因为求的是路径最大值,注意一下细节. #include<cstdio> #include<cstring> #include<algorithm&g ...

  10. eclipse去掉js验证

    第一步:去除eclipse的js验证:window->preference->Java Script->Validator->Errors/Warnings->Enabl ...