自学教程：Python基础之Numpy的基本用法详解

一、数据生成

1.1 手写数组

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]) # 一维数组
b = np.array([[1, 2], [3, 4]]) #二维数组

1.2 序列数组

numpy.arange(start, stop, step, dtype)，start默认0，step默认1

c = np.arange(0, 10, 1, dtype=int)  # =np.arange(10)  [0 1 2 3 4 5 6 7 8 9]d = np.array([np.arange(1, 3), np.arange(4, 6)])  # 二维数组# 不过为了避免麻烦，通常序列二维数组都是通过reshape进行重新组织dd = c.reshape(2, 5)  # 将一维数组重新组合成2行5列

1.3 随机数组

numpy.random.random(size=None) 该方法返回[0.0, 1.0)范围的随机小数。
numpy.random.randint() 该方法返回[low, high)范围的随机整数。
该方法有三个参数low、high、size 三个参数。默认high是None,如果只有low，那范围就是[0,low)。如果有high，范围就是[low,high)
numpy.random.randn(d0,d1,…,dn) 该方法返回一个或一组样本，具有正态分布
np.random.normal 指定期望和方差的正太分布

e = np.random.random(size=2)  # 一维数组，元素两个，[0.0,1.0]的随机数f = np.random.random(size=(2, 3))  # 两行三列数组，[0.0,1.0]的随机数h = np.random.randint(10, size=3)  # [0,10]范围内的一行三列随机整数i = np.random.randint(5, 10, size=(2, 3))  # [5,10]范围内的2行3列随机整数

1.4 其他方式数组

numpy.zeros 创建指定大小的数组，数组元素以0 来填充
numpy.ones 创建指定形状的数组，数组元素以1 来填充
numpy.empty 创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组，里面的元素的值是之前内存的值
np.linspace 创建一个一维数组，数组是一个等差数列构成的
numpy.logspace 创建一个于等比数

j = np.zeros((2, 5))k = np.ones((2, 5))l = np.linspace(1, 20, 10)

二、数组属性查看

ndarray.ndim
darray.shape 数组的维度和列，对于矩阵，n 行m 列
ndarray.size 数组元素的总个数，相当于.shape 中n*m 的值
ndarray.dtype ndarray 对象的元素类型
ndarray.itemsize ndarray 对象中每个元素的大小，以字节为单位
ndarray.flags ndarray 对象的内存信息
ndarray.real ndarray 元素的实部
ndarray.imag ndarray 元素的虚部
ndarray.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。

print('ndim:数组的秩（维度）'.center(20, '*'))print('ndim:', i.shape[1])

三、数组索引

x = np.arange(1, 13) # 一维数组
a = x.reshape(4, 3) # 二维数组
print(‘x:', x)
print(‘a:', a)

3.1 一维数组的索引

print(x[2:])print(x[3:8])

3.2 二维数组的索引

print(a[0])  # 第一行print(a[2, 2])  # 第三行第4列print(a[:, 2])print(a[::2, 0])  # 所有奇数行第1列数据print(a[(2, 1), (1, 2)])  # 第3行第2列，第2行第3列   = np.array((a[2,1],a[1,2]))取出来后在重新生成新的数组print(a[-2])  # 获取倒数第二行print(a[::-1])  # 行倒序print(a[::-1, ::-1])  # 行列倒序

四、数组的方法

4.1 改变数组维度

reshape将一维数组变成二维或者三维
ravel将三维数组变成一维数组，flatten将二维数组变成一维数组

4.2 数组拼接

使用numpy.hstack(a1,a2) 函数将两个数组水平组合
numpy.vstack(a1,a2) 函数可以将两个或多个数组垂直组合起来形成一个数组
使用numpy.concatenate((a1, a2, …), axis),控制axis参数的值也可以实现hstack和vstack的功能，axis=0等同于vstack、axis=1等同于hstack

4.3 数组分隔

b = np.split(x, 4)  # 将一个一维数组四等分, 用b[1]的方式获取每个块的数据# print(b[1])c = np.split(a, 2, axis=0)  # 二维数组的垂直分隔，按行分隔成两部分# print(c[0])d = np.split(a, [2], axis=1)  # 二维数组的水平分隔，按列分隔成两部分# print(d[0])

4.4 算术运算

加减乘除: add()，subtract()，multiply() 和divide()
np.sum() 求和
np.prod() 所有元素相乘
np.mean() 平均值
np.std() 标准差
np.var() 方差
np.median() 中数
np.power() 幂运算
np.sqrt() 开方
np.min() 最小值
np.max() 最大值
np.argmin() 最小值的下标
np.argmax() 最大值的下标
np.inf 无穷大
np.exp(10) 以e 为底的指数
np.log(10) 对数

到此这篇关于Python基础之Numpy的基本用法详解的文章就介绍到这了,更多相关Python Numpy用法内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！