Numpy概述(学习笔记)(下)

简介: Numpy是Numerical Python的简称,特别是针对数组进行操作(创建,计算等)

三、二维数组



l3=[[1,3,5],[6,1,9.1]]
arr=np.array(l3)
print('数据类型:',type(arr))
print('轴(维度):',arr.ndim)
print('数组长度:',len(arr))
print('元素个数:',arr.size)
print('形状:',arr.shape)
print('元素的大小:',arr.itemsize)
print('元素类型:',arr.dtype)
print('跨度:',arr.strides)

4514d57aa1c84af9886977a98a7b16cc.png

1eff8f307a5f494dbdfa1306a4ff98da.png

l4=[[1,3,5],[6,1,9]]
arr=np.array(l4)
print('数据类型:',type(arr))
print('轴(维度):',arr.ndim)
print('数组长度:',len(arr))
print('元素个数:',arr.size)
print('形状:',arr.shape)
print('元素的大小:',arr.itemsize)
print('元素类型:',arr.dtype)
print('跨度:',arr.strides)

6c14e6b11adc4e51a9585be4b4f8aa1a.png


对比:l3和l4区别在于l3的元素含有float类型,而l4都是int类型

分析:

print('元素个数:',arr.size) # 是把所有元素都统计在内部
# 结果:
元素个数: 6
print('形状:',arr.shape)
#结果:
形状: (2, 3) # 表示两行三列 


1.二维数组的跨度


print('跨度:',arr.strides) # 数组是两行三列,

930166d934ee4cd3851730b2fee7d990.png4d2b8cb53ba6489793f5e5ef3a9e43eb.png

此外,还可以构造全0和全1的数组:

np.zeros(10)

8a3685e8ce074171b963875ed6dabb95.png


3. 全1数组


np.ones((2,4))

695e1ea1ac9e4a3788bed205f58627ce.png


4. 对角线二维数组


np.eye(3,3)

b44c20d1a2944382ac004010a30283ae.png


5. 随机二维数组


np.random.random((3,3))

f82e8bd2f4784d8eb49ce07817e38398.png

6.利用arange创建二维数组

arr=np.array((np.arange(1,10),np.arange(1,10)))

8fd2f8955b34430b9c5e7335f392b951.png


四、多维数组



1.三维数组


利用arange创建三维数组

arr=np.array((((np.arange(1,10),np.arange(1,10),np.arange(1,10))),((np.arange(1,10),np.arange(1,10),np.arange(1,10)))))

f7d5f262f20f431eb5e60cb0d3a9cf83.png

print('数据类型:',type(arr))
print('轴(维度):',arr.ndim)
print('数组长度:',len(arr))
print('元素个数:',arr.size)
print('形状:',arr.shape)
print('元素的大小:',arr.itemsize)
print('元素类型:',arr.dtype)
print('跨度:',arr.strides)
6e1c5bd211e5429f97deaefda4ef0491.png

2.reshape


reshape属性能够将改变数组的维度,比如将一维数组转变成三维数组

arr=np.arange(1,25).reshape(3,2,4)
print('轴(维度):',arr.ndim)
arr

8f4fddde8c51406896871f440aa27764.png


相关文章
|
2月前
|
Python
Numpy学习笔记(一):array()、range()、arange()用法
这篇文章是关于NumPy库中array()、range()和arange()函数的用法和区别的介绍。
60 6
Numpy学习笔记(一):array()、range()、arange()用法
|
2月前
|
索引 Python
Numpy学习笔记(三):np.where和np.logical_and/or/not详解
NumPy库中`np.where`和逻辑运算函数`np.logical_and`、`np.logical_or`、`np.logical_not`的使用方法和示例。
179 1
Numpy学习笔记(三):np.where和np.logical_and/or/not详解
|
2月前
|
Python
Numpy学习笔记(四):如何将数组升维、降维和去重
本文介绍了如何使用NumPy库对数组进行升维、降维和去重操作。
53 1
|
2月前
|
Python
Numpy学习笔记(五):np.concatenate函数和np.append函数用于数组拼接
NumPy库中的`np.concatenate`和`np.append`函数,它们分别用于沿指定轴拼接多个数组以及在指定轴上追加数组元素。
45 0
Numpy学习笔记(五):np.concatenate函数和np.append函数用于数组拼接
|
2月前
|
机器学习/深度学习 索引 Python
Numpy学习笔记(二):argmax参数中axis=0,axis=1,axis=-1详解附代码
本文解释了NumPy中`argmax`函数的`axis`参数在不同维度数组中的应用,并通过代码示例展示了如何使用`axis=0`、`axis=1`和`axis=-1`来找到数组中最大值的索引。
155 0
Numpy学习笔记(二):argmax参数中axis=0,axis=1,axis=-1详解附代码
|
6月前
|
BI 测试技术 索引
Python学习笔记之NumPy模块——超详细(安装、数组创建、正态分布、索引和切片、数组的复制、维度修改、拼接、分割...)-1
Python学习笔记之NumPy模块——超详细(安装、数组创建、正态分布、索引和切片、数组的复制、维度修改、拼接、分割...)
|
2月前
|
PyTorch 算法框架/工具 Python
Pytorch学习笔记(十):Torch对张量的计算、Numpy对数组的计算、它们之间的转换
这篇文章是关于PyTorch张量和Numpy数组的计算方法及其相互转换的详细学习笔记。
43 0
|
4月前
|
vr&ar 索引 Python
Numpy学习笔记之Numpy练习
Numpy学习笔记之Numpy练习
|
4月前
|
存储 机器学习/深度学习 索引
Numpy学习笔记
Numpy学习笔记
|
6月前
|
存储 API C语言
Python学习笔记之NumPy模块——超详细(安装、数组创建、正态分布、索引和切片、数组的复制、维度修改、拼接、分割...)-2
Python学习笔记之NumPy模块——超详细(安装、数组创建、正态分布、索引和切片、数组的复制、维度修改、拼接、分割...)