本文实例讲述了Python3.5基础之NumPy模块的使用。分享给大家供大家参考,具体如下:
1、简介
2、多维数组——ndarray
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
import numpy as np
#1.创建ndarray
#创建一维数组
n1 = np.array([1,2,3,4])
print(n1)
#属性--ndim:维度;dtype:元素类型;shape:数组形状;
# size:数组元素总个数,shape值相乘得到
print("n1维度:",n1.ndim)
print("n1元素类型:",n1.dtype)
print("n1数组形状:",n1.shape)
print("n1数组元素总个数:",n1.size)
#创建二维数组
n2 = np.array([
[1,2,3,4],
[5,6,7,8]
])
print(n2)
print("n2维度:",n2.ndim)
print("n2元素类型:",n2.dtype)
#创建三维数组
n3 = np.array([
[
[1,2,3,4],
[5,6,7,8]
],
[
[10,20,30,40],
[50,60,70,80]
]
])
print(n3)
print("n3数组形状:",n3.shape)
print("n3数组元素总个数:",n3.size)
#2.通过函数创建数组
z = np.zeros((3,2)) #创建指定形状的数组,数值由零填充
print(z)
print(z.dtype)
o = np.ones((2,4)) #创建指定形状的数组,数值由1填充
print(o)
e = np.empty((2,3,2)) #创建指定形状的数组,数值由未初始化的垃圾值填充
print(e)
#3.通过函数计算的方式去创建数组
#一个参数,区间左闭右开,默认起始值为0,步长为1
np1 = np.arange(10)
print(np1)
#两个参数(起始值,终止值),区间左闭右开,默认步长为1
np2 = np.arange(2,10)
print(np2)
#三个参数(起始值,终止值,步长),区间左闭右开,步长为2
np3 = np.arange(2,10,2)
print(np3)
#倒序创建数组元素
np4 = np.arange(10,2,-1)
print(np4)
#全闭区间,参数(起始值,终止值,元素个数),等差数列
np5 = np.linspace(0,10,5)
print(np5)
#全闭区间,以10为底数参数为指数(起始值,终止值,元素个数),等比数列
np6 = np.logspace(0,2,5)
print(np6)
#生成随机数的数组
np7 = np.random.random((2,3))
print(np7)
运行结果:
[1 2 3 4]
n1维度: 1
n1元素类型: int32
n1数组形状: (4,)
n1数组元素总个数: 4
[[1 2 3 4]
[5 6 7 8]]
n2维度: 2
n2元素类型: int32
[[[ 1 2 3 4]
[ 5 6 7 8]][[10 20 30 40]
[50 60 70 80]]]
n3数组形状: (2, 2, 4)
n3数组元素总个数: 16
[[ 0. 0.]
[ 0. 0.]
[ 0. 0.]]
float64
[[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]]
[[[ 1.02548961e-305 5.40165714e-067]
[ 1.05952696e-153 9.69380992e+141]
[ 2.17151199e+214 4.34975848e-114]][[ 2.08064175e-115 1.91431714e+227]
[ 6.42897811e-109 1.26088822e+232]
[ 9.51634286e-114 5.45764552e-306]]]
[0 1 2 3 4 5 6 7 8 9]
[2 3 4 5 6 7 8 9]
[2 4 6 8]
[10 9 8 7 6 5 4 3]
[ 0. 2.5 5. 7.5 10. ]
[ 1. 3.16227766 10. 31.6227766 100. ]
[[ 0.55980469 0.99477652 0.82310732]
[ 0.97239333 0.1409895 0.57213264]]
#修改ndarray形状 np8 = np.arange(0,20,2) print(np8) print(np8.size) np9 = np8.reshape(2,5) print(np9) print(np9.size) #reshape函数是对被修改数组的一个拷贝,共享同一内存, # 修改其中一个数组会影响里一个 np9[1][2] = 50 print(np8) print(np9) # -1表示第二维自动根据元素个数计算 np10 = np8.reshape(5,-1) print(np10) #shape直接修改原来数组的形状 np8.shape=(2,-1) print(np8)
运行结果:
[ 0 2 4 6 8 10 12 14 16 18]
10
[[ 0 2 4 6 8]
[10 12 14 16 18]]
10
[ 0 2 4 6 8 10 12 50 16 18]
[[ 0 2 4 6 8]
[10 12 50 16 18]]
[[ 0 2]
[ 4 6]
[ 8 10]
[12 50]
[16 18]]
[[ 0 2 4 6 8]
[10 12 50 16 18]]
Numpy基本操作说明
更多关于Python相关内容感兴趣的读者可查看本站专题:《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com



































