域名注册没有网站,中国企业500强营业收入,mm131爬虫wordpress,建设银行网站用户登录numpy是一个多维的数组对象#xff0c;类似python的列表#xff0c;但是数组对象的每个元素之间由空格隔开。 一、数组的创建 1.通过numpy的array(参数)#xff0c;参数可以是列表、元组、数组、生成器等 由arr2和arr3看出#xff0c;对于多维数组来说#xff0c;如果最里… numpy是一个多维的数组对象类似python的列表但是数组对象的每个元素之间由空格隔开。 一、数组的创建 1.通过numpy的array(参数)参数可以是列表、元组、数组、生成器等 由arr2和arr3看出对于多维数组来说如果最里层的数据类型不一致array()会将其转化为一致 由arr2和arr4看出对于最里层的数据个数不一致array()的结果只是一个一维数组。 import numpy as np
arr1 np.array(range(10))
arr2 np.array([[1,2,3],[4,5,6]])
arr3 np.array([[1,2,3],[a,b,c]])
arr4 np.array([[1,2,3],[a,b]])
print(arr1)
print(arr2)
print(arr3)
print(arr4) array()创建数组 2.通过numpy的arange(start,stop,step1,dtype)创建一维数组 start表示起始值stop表示终止值包含start但不包含stop即前闭后开区间step表示步长默认为1dtype表示元素类型其中stop和step可省略。 arr5 np.arange(5) #[0 1 2 3 4]
arr6 np.arange(1.0,6) #[1. 2. 3. 4. 5. ]
arr7 np.arange(1.0,6,dtype int) #[1 2 3 4 5]
arr8 np.arange(1,8,2) #[1 3 5 7] 3.通过reshape(m,n)创建 如下示例表示创建10个0-1之间的随机数然后生成一个二维数组每个数组5个元素。 arr np.random.rand(10).reshape(2,5)
print(arr)
# [[0.03377643 0.17232537 0.55157918 0.96107258 0.50468264]
# [0.85299258 0.50271173 0.31466024 0.89302 0.82547851]] 4.通过linspace(start, stop, num50, endpointTrue, retstepFalse, dtypeNone)创建一维数组 start起始值 stop终止值默认包含stop num数组元素的个数默认为50个 endpoint数组是否包含stop默认为true包含false表示不包含 retstep数组是否显示步长默认为false不显示只显示数组true表示结果显示为一个元组元组的第一个元素为数组第二个元素为步长 dtype数组元素的类型 arr1 np.linspace(1,5,num5) #[1. 2. 3. 4. 5.]
arr2 np.linspace(1,6,num5,endpointFalse,retstepTrue,dtypeint) #(array([1, 2, 3, 4, 5]), 1.0) 5.通过zeros(shape,dtypefloat)和zeros_like(arr,dtype)创建元素全部为0的多维数组 zeros()表示创建一个数组纬度为参数shape元素全部为0且默认类型为float zeros_like()表示创建一个类似参数arr结构的数组元素全部为0元素类型默认与arr保持一致也可自定义元素类型。 arr1 np.zeros(3)
arr2 np.zeros([3,2],dtype int)
arr3 np.zeros_like(arr1,dtype int)
print(arr1)
print(arr2)
print(arr3)
# [0. 0. 0.]
# [[0 0]
# [0 0]
# [0 0]]
# [0 0 0] zeros()和zeros_like()创建数组 6.通过ones(shape,dtypefloat)和ones_like(arr,dtype)创建元素全部为1的多维数组 ones()和ones_like()的用法类似zeros()和zeros_like()的用法只是数组的元素的值为1。 arr1 np.ones(2)
arr2 np.ones((2,3),dtype int)
arr3 np.ones_like(arr1,dtype int)
print(arr1)
print(arr2)
print(arr3)
# [1. 1.]
# [[1 1 1]
# [1 1 1]]
# [1 1] ones()和ones_like()创建数组 7.通过eye(n,dtype float)创建多维数组 eye()表示创建n*n的数组对角线元素为1其他元素为0默认元素类型为float。 arr1 np.eye(2)
arr2 np.eye(3,dtype int)
print(arr1)
print(arr2)
# [[1. 0.]
# [0. 1.]]
# [[1 0 0]
# [0 1 0]
# [0 0 1]] eye()创建数组 二、数组常用属性 type(arr) 数组类型arr.ndim 数组的秩即轴的数量或纬度的数量arr.shape 数组的形状形式为(m,n)对于二位数组来说m表示行n表示列arr.size 数组元素的总个数相当于shape中的m*narr.dtype 数组元素的类型arr.itemsize 数组元素的大小单位为字节 arr.data 实际数组元素的缓冲区 arr np.array(([1,2,3],[4,5,6]))
print(type(arr)) #class numpy.ndarray
print(arr.ndim) #2
print(arr.shape) #(2, 3)
print(arr.size) #6
print(arr.dtype) #int32
print(arr.itemsize)# 4
print(arr.data) #memory at 0x000002DADBB082D0 数组常用属性 三、数组的索引 ①数值索引 数组的数值索引类似python列表和元组的索引从0开始且切片[m:n]表示包括m但不包括n。 对于嵌套列表和元组来说可通过l[m][n]获取第二层的值在numpy中除了这种方法还可通过arr[m,n]来获取m表示行n表示列。 arr np.arange(12).reshape(2,2,3)
print(arr)
print(arr[0][1][1:])
print(arr[1][0][2])
print(arr[1,0,2])
# [[[ 0 1 2]
# [ 3 4 5]]
#
# [[ 6 7 8]
# [ 9 10 11]]]
# [4 5]
# 8
# 8 数组的数值索引 ②布尔索引 使用布尔索引时False表示不保留True表示保留如下例子h表示在水平方向的索引规则即保留第二行v表示在竖直方向的索引规则保留第一列和第三列。 arr np.arange(12).reshape(3,4)
h np.array([False,True,False])
v np.array([True,False,True,False])
print(arr)
print(arr[h])
print(arr[:,v])
print(arr[h,v])
# [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
# [[4 5 6 7]]
# [[ 0 2]
# [ 4 6]
# [ 8 10]]
# [4 6] 数组的布尔索引 arr np.arange(12).reshape(2,6)
m (arr8)
n (arr3)
print(m)
print(n)
print(arr[m])
print(arr[n])
# [[False False False False False False]
# [False False False True True True]]
# [[ True True True False False False]
# [False False False False False False]]
# [ 9 10 11]
# [0 1 2] 数组的布尔索引2 四、数组常用方法 1..T转置 .T会对原数组进行转置操作一维数组转置后的结果与原数组相同。 .T会生成新的数组修改原数组会影响转置后的数组修改转置后的数组也会影响原数组即两者指向相同的内存地址。 arr1 np.arange(5)
print(arr1)
arr2 arr1.T
print(arr2)
arr1[1]10
arr2[3]30
print(arr1,arr2)arr3 np.array([[1,2,3],[4,5,6]])
print(arr3)
arr4 arr3.T
print(arr3)
print(arr4)
arr3[0][0]10
print(arr3)
print(arr4)
arr4[1][0]20
print(arr3)
print(arr4)
# [0 1 2 3 4]
# [0 1 2 3 4]
# [ 0 10 2 30 4] [ 0 10 2 30 4]
# [[1 2 3]
# [4 5 6]]
# [[1 2 3]
# [4 5 6]]
# [[1 4]
# [2 5]
# [3 6]]
# [[10 2 3]
# [ 4 5 6]]
# [[10 4]
# [ 2 5]
# [ 3 6]]
# [[10 20 3]
# [ 4 5 6]]
# [[10 4]
# [20 5]
# [ 3 6]] .T转置 2.reshape()重置维度 两种用法np.reshape(arr,shape)和arr.reshape(m,n)reshape()要求重置后的元素个数与原数组相同否则会报错。 reshape()两种方法都会生成新的数组修改原数组会影响重置维度后的数组修改重置维度后的数组也会影响原数组即两者指向相同的内存地址。 arr1 np.ones((3,2),dtype int)
print(arr1)
arr2 np.reshape(arr1,[2,3]) #xin
print(arr2)
arr3 arr1.reshape(2,3) #yuan
print(arr1)
print(arr2)
print(arr3)
arr1[0][0] 10
arr2[0][1] 20
arr3[0][2] 30
print(arr1)
print(arr2)
print(arr3)
# [[1 1]
# [1 1]
# [1 1]]
# [[1 1 1]
# [1 1 1]]
# [[1 1]
# [1 1]
# [1 1]]
# [[1 1 1]
# [1 1 1]]
# [[1 1 1]
# [1 1 1]]
# [[10 20]
# [30 1]
# [ 1 1]]
# [[10 20 30]
# [ 1 1 1]]
# [[10 20 30]
# [ 1 1 1]] reshape()重置维度 3.resize()重置大小 两种用法np.resize(arr,shape)和arr.resize(m,n)但是resize()的效果与转置和重置维度不同。 np.resize(arr,shape)会生成新的数组但修改原数组不会影响重置大小后的数组修改重置大小后的数组也不会影响原数组即两者是独立的。 arr.resize(m,n)直接重置arr自身的大小不会生成新的数组。 arr1 np.ones((3,2),dtype int)
print(arr1)
arr2 np.resize(arr1,[2,3])
print(arr2)
arr3 arr1.resize(2,3)
print(arr1)
print(arr2)
print(arr3)
arr1[0][0] 0
arr2[1][0] 0
print(arr1)
print(arr2)
print(arr3)
# [[1 1]
# [1 1]
# [1 1]]
# [[1 1 1]
# [1 1 1]]
# [[1 1 1]
# [1 1 1]]
# [[1 1 1]
# [1 1 1]]
# None
# [[0 1 1]
# [1 1 1]]
# [[1 1 1]
# [0 1 1]]
# None resize()重置大小 resize()不要求重置后的元素个数与原数组相同 如果重置大小后的数组元素个数比原数组少会从原数组前开始部分取值舍去多余的元素 如果重置大小后的数组元素个数比原数组多多的元素会再依次从原数组开始部分取值直到元素个数满足要求。 arr4 np.arange(5)
arr5 np.resize(arr4,(2,2))
arr6 np.resize(arr4,(2,4))
print(arr4)
print(arr5)
print(arr6)
# [0 1 2 3 4]
# [[0 1]
# [2 3]]
# [[0 1 2 3]
# [4 0 1 2]] resize()重置大小个数不一致 4.copy()复制 使用给数组赋值两者指向相同的内存地址修改任一个会影响另一个。 使用copy()给数组赋值两者是独立的数组修改任意个不会影响另一个。 arr1 np.arange(5)
arr2 arr1
arr3 arr1.copy()
print(arr1,arr2,arr3)
arr1[1] 10
arr2[2] 20
arr3[3] 30
print(arr1,arr2,arr3)
# [0 1 2 3 4] [0 1 2 3 4] [0 1 2 3 4]
# [ 0 10 20 3 4] [ 0 10 20 3 4] [ 0 1 2 30 4] 和copy()赋值 5.astype()数据类型转换 arr1 np.arange(5)
arr2 arr1.astype(np.float)
print(arr1,arr1.dtype)
print(arr2,arr2.dtype)
# [0 1 2 3 4] int32
# [0. 1. 2. 3. 4.] float64 6.hstack()和vstack()数组堆叠 hstack((arr1,arr2))横向堆叠即在水平方向上拼接 vstack((arr1,arr2))竖向堆叠即在垂直方向上拼接垂直拼接要求两个数组横向元素的个数相同即shape(m,n)中的n相同 arr1 np.arange(1,6)
arr2 np.arange(6,11)
print(arr1,arr2)
print(np.hstack((arr1,arr2)))
print(np.vstack((arr1,arr2)))
print(np.stack((arr1,arr2))) #默认axis 0
print(np.stack((arr1,arr2),axis1))
# [1 2 3 4 5] [ 6 7 8 9 10]
# [ 1 2 3 4 5 6 7 8 9 10]
# [[ 1 2 3 4 5]
# [ 6 7 8 9 10]]
# [[ 1 2 3 4 5]
# [ 6 7 8 9 10]]
# [[ 1 6]
# [ 2 7]
# [ 3 8]
# [ 4 9]
# [ 5 10]] hstack()和vstack() 7.hsplit()和vsplit()数组拆分 hsplit(arr , x)横向拆分为x个即在水平方向上拆分水平拆分要求原数组横向元素的个数为x的整数倍即shape(m,n)中的n为x的整数倍 vsplit(arr , x)竖向拆分为x个即在垂直方向上拆分垂直拆分要求原数组垂直元素的个数为x的整数倍即shape(m,n)中的m为x的整数倍 arr1 np.arange(12).reshape(2,6)
print(arr1)
print(np.hsplit(arr1,3))
arr2 np.arange(12).reshape(4,3)
print(arr2)
print(np.vsplit(arr2,2))
# [[ 0 1 2 3 4 5]
# [ 6 7 8 9 10 11]]
# [array([[0, 1],
# [6, 7]]), array([[2, 3],
# [8, 9]]), array([[ 4, 5],
# [10, 11]])]
# [[ 0 1 2]
# [ 3 4 5]
# [ 6 7 8]
# [ 9 10 11]]
# [array([[0, 1, 2],
# [3, 4, 5]]), array([[ 6, 7, 8],
# [ 9, 10, 11]])]
# hsplit()和vsplit() 8.算数运算 ①数组与单个数值进行数学运算 加、减、乘、除和幂运算都是对数组中的每一个元素进行运算。 arr np.arange(2,12,2)
print(arr) #[ 2 4 6 8 10]
print(arr 1) # 加法 [ 3 5 7 9 11]
print(arr - 1) # 减法 [1 3 5 7 9]
print(arr*2) # 乘法[ 4 8 12 16 20]
print(arr**2) # 幂运算[ 4 16 36 64 100]
print(arr/2) # 除法 [1. 2. 3. 4. 5.]
print(arr.max()) # 元素中的最大值 10
print(arr.min()) # 元素中的最小值 2
print(arr.mean()) # 元素的平均值 6.0
print(arr.sum(),np.sum(arr)) # 元素的总和 30 30
print(arr.std()) # 元素的标准差 2.8284271247461903
print(arr.var()) # 元素的方差 8.0 ②数组之间的数学运算 如果两个数组纬度相同即arr1.shape arr2.shape他们之间的数学运算就是每一个对应的元素进行运算如果形状不同则会触发广播机制具体见菜鸟教程https://www.runoob.com/numpy/numpy-broadcast.html 五、随机数 1.random.normal() 生成[0,1)之间标准正态分布的随机浮点数无参数生成一个随机数有参数需要用括号括起来。 arr1 np.random.normal()
arr2 np.random.normal(size 2)
arr3 np.random.normal(size (2,3))
print(arr1)
print(arr2)
print(arr3)
# 1.1511731857477647
# [1.00477836 1.88009993]
# [[ 0.44901815 -1.09567036 -0.29054339]
# [-0.98372232 0.40854306 1.63187907]] random.normal() 2.random.rand() 生成[0,1)之间的均匀分布的随机浮点数无参数生成一个随机数有参数直接使用(m,n)即可 arr1 np.random.rand()
arr2 np.random.rand(2)
arr3 np.random.rand(2,3)
print(arr1)
print(arr2)
print(arr3)
# 0.583667212009531
# [0.15508024 0.23161194]
# [[0.11583745 0.92588869 0.69102494]
# [0.49288564 0.42045576 0.42541661]] random.rand() 3.random.randn() 生成正态分布的随机浮点数大小无限制无参数生成一个随机数有参数直接使用(m,n)即可 arr1 np.random.randn()
arr2 np.random.randn(2)
arr3 np.random.randn(2,3)
print(arr1)
print(arr2)
print(arr3)
# 2.263955408625279
# [ 0.15676236 -0.15578064]
# [[ 2.30273663 -0.75283754 -0.46872555]
# [-1.14051476 1.51395796 -1.39675718]] random.randn() 4.random.randint() 使用方法random.randint(start,stop,shape,dtype) 生成的数组纬度为参数shape纬度默认为1 如果start和stop都存在则start 元素 stop且要求start stop如果只传入一个参数则0 元素 参数 arr1 np.random.randint(5) #生成一个随机整数范围在[0,5)之间
arr2 np.random.randint(0,10) #生成一个随机整数范围在[0,10)之间
arr3 np.random.randint(0,10,5) #生成一个包含5个元素的一维数组元素范围在[0,10)之间
arr4 np.random.randint(0,10,[2,5])#生成一个2行、5列的二维数组元素范围在[0,10)之间
print(arr1)
print(arr2)
print(arr3)
print(arr4)
# 4
# 8
# [4 7 6 3 9]
# [[4 7 4 7 1]
# [2 0 8 9 3]] random.randint() 5.random.uniform() 使用方法random.uniform(min,max,shape)均匀生成形状为shape、大小介于min和max之间的数组 arr1 np.random.uniform(-5,5)
arr2 np.random.uniform(-5,5,10)
arr3 np.random.uniform(-5,5,(2,5))
print(arr1)
print(arr2)
print(arr3)
# 1.4332287676136222
# [-3.80524427 -2.12707058 0.0591455 1.00699272 -0.18934898 -4.66894326 -1.44132482 2.80757844 -0.2869196 -4.83401471]
# [[-3.01349008 -0.28137982 1.40406868 -4.71398305 -0.58511982]
# [-1.62481178 3.24231459 0.10724101 -1.99657278 -2.8664592 ]] random.uniform() 6.random.RandomState(n) 上述几种生成随机数的方法如果直接使用即使是同一个程序每次运行都会生成不同的随机数。 使用rng np.random.RandomState(n)生成随机数种子再通过种子rng去调用normal()、rand()、randn()、randint()。 参数n表示使用第几套种子对于一个随机数发生器只要种子相同生成的随机数序列总是相同的。 六、写入和读取文件 1.save()和load() 使用方法save(文件名,arr)load(文件名)文件类型为.npy save()保存的文件默认后缀名.npy如果传入的文件名以.npy结尾那么保存的文件名即为传入的文件名如果不以.npy结尾保存时会自动在文件名后加后缀.npy 由于save()保存的文件类型为npy因此直接打开会显示为乱码需要通过load()查看内容。 arr np.random.randint(0,5,[2,5])
np.save(testNumpy.npy,arr)
arr_load np.load(testNumpy.npy)
print(arr_load)
# [[0 0 1 4 2]
# [2 3 4 2 0]] save()和load() 2.savetxt()和loadtxt() 使用方法savetxt(文件名,arr,delimiter,,fmt%.2f)loadtxt(textNumpy.text,delimiter,)其中delimiter指定txt文件中元素的分隔符fmt指定数值保留的格式。 arr np.random.rand(10,10)
np.savetxt(textNumpy.text,arr,delimiter,,fmt%.2f)
arr_load np.loadtxt(textNumpy.text,delimiter,)
print(arr_load) savetxt()和loadtxt() 由于保存的文件为txt类型因此生成的文件可以直接打开文件内以指定的delimiter保存数据无数组的[ ]通过loadtxt( )可读取。 转载于:https://www.cnblogs.com/Forever77/p/11187724.html
