数组类型
Numpy类型
# --*--coding:utf-8--*-- from numpy import * """ 复数数组 """ a = array([1 + 1j, 2, 3, 4]) # 数组类型 print('type:', a.dtype) # 实部 print(a.real) # 虚部 print(a.imag) # 复共轭 print(a.conj()) """ 指定数组类型 """ a = array([1, 2, 4, 9, 10], dtype=float32) print(a) a = array([0, 1.8, 3.3, 4.1], dtype=uint8) print(a) """ 类型转换 """ a = array([1.5, -3, -3.3], dtype=float32) b = asarray(a, dtype=float64) print('asarray类型转换：', b) c = a.astype(uint8) print('astype类型转换：', c) a = array((1,2,3,4), dtype=int32) d = a.view(uint8) print('view类型转换：', d)
数组方法
# --*--coding:utf-8--*-- from numpy import * from numpy.random import rand """ 求和 """ a = array([[1,2,3], [4,5,6]]) # 所有元素和 print('all:', sum(a)) # 指定求和维度 print('维度和：', sum(a, axis=0)) print('维度和：', sum(a, axis=-1)) """ 求积 """ # 所有元素积 print('all:', prod(a)) # 指定求积维度 print('维度积：', prod(a, axis=0)) print('维度积：', prod(a, axis=1)) """ 最大最小值 """ a = rand(3, 4) print(a) # 全局最小 print('all:', a.min()) # 某个轴最小 print('axis:', a.min(axis=1)) # 全局最大 print('all:', a.max()) # 某个轴最大 print('axis:', a.max(axis=-1)) # 最大最小值的位置 print('max in: ', a.argmax()) print('min in ', a.argmin()) """ 均值 """ a = array([[1,2,3],[4,5,6]]) print('avg:', a.mean()) print('avg: ', average(a, axis=0)) """ 标准差 """ # 标准差 print('std: ', a.std(axis=1)) # 方差 print(a.var(axis=1)) print(var(a, axis=-1)) print(std(a, axis=-1)) # clip方法,将数值限制在某个范围 print(a) # 小于2的变成2，大于4的变成4 print(a.clip(2, 4)) # ptp方法，计算最大值和最小值之差 print(a.ptp(axis=1)) print(a.ptp()) # round方法 a = array([1.35, 2.5, 1.5]) print(a.round()) # 近似到一位小数 print(a.round(decimals=1))
数组排序
# --*-- coding:utf-8 --*-- from numpy import * """ 数组排序 """ # sort函数 names = array(['Bob', 'Sue', 'Jan', 'Ad']) print('names sort:', sort(names)) weights = array([20, 93, 53, 62]) print('weights sort:', sort(weights)) # argsort函数 ordered_indices = argsort(weights) print(ordered_indices) print(weights[ordered_indices]) """ 二维数组排序 """ a = array([ [.2, .1, .5], [.4, .8, .3], [.9, .6, .7] ]) print('all: \n', sort(a)) print('axis: \n', sort(a, axis=0)) """ searchsorted函数，接受两个参数，第一个必须是已排序的数组 """ sorted_array = linspace(0, 1, 5) values = array([.1, .8, .3, .31, .9, .45]) print('searcgsorted: ', searchsorted(sorted_array, values))
数组形状
""" 数组形状 """ # --*-- coding:utf-8 --*-- from numpy import * # 修改数组形状 a = arange(6) print('origin: \n', a) a.shape = 2, 3 print('after modified: \n', a) print('after reshape: \n', a.reshape(3, 2)) # 使用newaxis增加数组维数 a = arange(3) print('shape:', shape(a)) y = a[newaxis, :] print(shape(y)) print(y) y = a[newaxis, newaxis, :] print(shape(y)) print(y) # squeeze方法去除多余的轴 a = arange(6) a.shape = (2, 1, 3) b = a.squeeze() print('shape of b:', b.shape) # 数组转置 """ PS: 1、对于复述数组，转置不返回复共轭，只是单纯交换轴的位置 2、转置可以作用于多维数组 """ print(a) print('transpose: \n', a.transpose()) print(a.T) # 数组连接 x = array([ [0,1,2], [10,11,12] ]) y = array([ [50,51,52], [60,61,62] ]) z = concatenate((x, y)) print(z) # Flatten数组，将多维数组转化为1维数组,返回数组的复制，不改变原数组的值 a = array([[0,1], [2,3]]) b = a.flatten() print(b) # flat属性，相当于返回所有元组组成的一个迭代器 print(a.flat) # reval方法,将多位数组转化为1维数组 b = a.ravel() print(b) # atleast_xd函数，保证数组至少有x维 x = 1 print('1d:',atleast_1d()) a = array([1,2,3]) b = atleast_2d(a) print('2d:', b) c = atleast_3d(b) print('3d: ', c)
对角线
# --*--coding:utf-8--*-- import numpy as np """ 对角线 """ a = np.array([11,22,33,44,55,66,77,88,99]) a.shape = 3, 3 print(a) # 对角线元素 print('all :\n', a.diagonal()) # 对角线元素偏移，正数代表右移，负数代表左移 print('左移：\n', a.diagonal(offset=-1)) print('右移：\n', a.diagonal(offset=1)) # 更新对角线的值 i = [0, 1, 2] a[i, i] = 20 print('update: \n', a) # 修改次对角线的值 i = np.array([0, 1]) a[i, i+1] = 21 print('修改次对角线：\n', a)
数组与字符串的转换
# --*--coding:utf-8--*-- import numpy as np """ 数组与字符串的转换 """ # tostring方法 a = np.array([[1, 2], [3, 4]], dtype = np.uint8) print('a: ', a.tostring()) # 按照列读取数据 print('a Fortran:', a.tostring(order='F')) # fromstring函数，从字符串中独处数据，但要指定类型 s = a.tostring() a = np.fromstring(s, dtype=np.uint8) a.shape = 2, 2 print(a)
生成数组的函数
# --*--coding:utf-8--*-- import numpy as np """ 生成数组的函数 """ # arange(start, stop=None, step=1, dtype=None)，类似range函数，返回数组 # 允许非整数值输入，产生一个菲整形的数组 a = np.arange(5) print(a) # linspace(start, stop, N)，产生N个等距分布与【】 print(np.linspace(0, 10, 5)) # logspace(start, stop, N),产生N个对数等距分布的数组，默认以10为底 print(np.logspace(0, 8, 5)) # meshgrid，二维平面中生成一个网格 x_lable = np.linspace(-1, 1, 5) y_lable = np.linspace(-1, 1, 5) x, y = np.meshgrid(x_lable, y_lable) print(x, y, end='\n') # 1、ogrid(start:end:step)：meshgrid(indexing='ij', sparse=True)，生成列矩阵 # 2、mgrid(start:end:step): meshgrid(indexing='ij', sparse=False)，生成行矩阵 x, y = np.ogrid[-10:10:5, 10:30:5] print('{} \n {}'.format(x, y)) # r_:产生行向量 # c_:产生列向量 print(np.r_[1:10:2]) print(np.c_[1:10:2]) # ones(shape, dtype)，定制一个全1的数组，数组类型可指定 # zeros(shape, dtype),定制一个全0的数组，数组类型可指定 # empty(shape, dtype, order)，产生一个指定大小的数组(指向的内存未初始化，故值随机) print('全1:\n', ones([3, 5], dtype = np.float32)) print('全0:\n', zeros([3, 5], dtype = np.float32)) print(np.empty(5)) # empty_like(array)、ones_like(array)、zeros_like(array),产生一个与a大小一样，类型一样的对应数组 a = np.arange(0, 10, 2) print(a) print('empty like:\n', np.empty_like(a)) print('zeros like:\n', np.zeros_like(a)) print('ones like:\n', np.ones_like(a)) # identity(n, dtype)，产生一个n*n的单位矩阵 print('identity: \n', np.identity(5))
