python-凯发k8官方网

查看numpy.array的基本信息

import numpy as npar = np.array([1,2,3,4,5,6,7]) print(ar) # 输出数组，注意数组的格式：中括号，元素之间没有逗号（和列表区分） print(ar.ndim) # 输出数组维度的个数（轴数），或者说“秩”，维度的数量也称rank print(ar.shape) # 数组的维度，对于n行m列的数组，shape为（n，m） print(ar.size) # 数组的元素总数，对于n行m列的数组，元素总数为n*m print(ar.dtype) # 数组中元素的类型，类似type()（注意了，type()是函数，.dtype是方法） print(ar.itemsize) # 数组中每个元素的字节大小，int32l类型字节为4，float64的字节为8 print(ar.data) # 包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

生成序列

# 创建数组：linspace():返回在间隔[开始，停止]上计算的num个均匀间隔的样本。ar1 = np.linspace(2.0, 3.0, num=5)# numpy.linspace(start, stop, num=50, endpoint=true, retstep=false, dtype=none) # start：起始值，stop：结束值 # num：生成样本数，默认为50 # endpoint：如果为真，则停止是最后一个样本。否则，不包括在内。默认值为true。 # retstep：如果为真，返回（样本，步骤），其中步长是样本之间的间距 → 输出为一个包含2个元素的元祖，第一个元素为array，第二个为步长实际值

创建数组：zeros()/zeros_like()/ones()/ones_like()
ones()/ones_like()和zeros()/zeros_like()一样，只是填充为1

ar1 = np.zeros(5) ar2 = np.zeros((2,2), dtype = np.int) print(ar1,ar1.dtype) print(ar2,ar2.dtype) print('------') # numpy.zeros(shape, dtype=float, order='c'):返回给定形状和类型的新数组，用零填充。 # shape：数组纬度，二维以上需要用()，且输入参数为整数 # dtype：数据类型，默认numpy.float64 # order：是否在存储器中以c或fortran连续（按行或列方式）存储多维数据。c是按行排ar3 = np.array([list(range(5)),list(range(5,10))]) ar4 = np.zeros_like(ar3) print(ar3) print(ar4) print('------') # 返回具有与给定数组相同的形状和类型的零数组，这里ar4根据ar3的形状和dtype创建一个全0的数组

切片

ar = np.arange(12).reshape(3,4) m = ar > 5 print(m) # 这里m是一个判断矩阵 print(ar[m]) # 用m判断矩阵去筛选ar数组中>5的元素 → 重点！后面的pandas判断方式原理就来自此处[[false false false false][false false true true][ true true true true]] [ 6 7 8 9 10 11]

随机模块

numpy.random.rand(d0, d1, ..., dn)：生成一个[0,1)之间的随机浮点数或n维浮点数组 —— 均匀分布 numpy.random.randn(d0, d1, ..., dn)：生成一个浮点数或n维浮点数组 —— 正态分布 numpy.random.randint(low, high=none, size=none, dtype='l')：生成一个整数或n维整数数组 # 若high不为none时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数，且high必须大于low # dtype参数：只能是int类型

数组类型转换：.astype()

ar1 = np.arange(10,dtype=float) print(ar1,ar1.dtype) print('-----') # 可以在参数位置设置数组类型ar2 = ar1.astype(np.int32) print(ar2,ar2.dtype) print(ar1,ar1.dtype) # a.astype()：转换数组类型 # 注意：养成好习惯，数组类型用np.int32，而不是直接int32 [0. 1. 2. 3. 4. 5. 6. 7. 8. 9.] float64 ----- [0 1 2 3 4 5 6 7 8 9] int32 [0. 1. 2. 3. 4. 5. 6. 7. 8. 9.] float64

总结

以上是凯发k8官方网为你收集整理的python--numpy的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得凯发k8官方网网站内容还不错，欢迎将凯发k8官方网推荐给好友。