• numpy的基本操作

    创建数组.

    2个0的一维数组

    np.zeros((2)) 
# array([0., 0.])

    • 1
    • 2

    6个0的二维数组.

    np.zeros((2, 3)) # 
# array([[0., 0., 0.],
#      [0., 0., 0.]])

    • 1
    • 2
    • 3

    24个1的三维数组.

    np.ones((2, 3, 4)) #
#array([[[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
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8

    创建初始值随机的一维数组

    np.empty((3)) #
# array([7.74860419e-304, 7.74860419e-304, 7.74860419e-304])

    • 1
    • 2

    创建3 × 3的单位矩阵.

    np.eye(3) #
#array([[1., 0., 0.],
#      [0., 1., 0.],
#      [0., 0., 1.]])

    • 1
    • 2
    • 3
    • 4

    二维数组.

    np.array([[1,2], [3,4]]) #
# array([[1, 2],
#      [3, 4]])

    • 1
    • 2
    • 3

    一维布尔数组.

    np.array([1,0], dtype=np.bool) # 
# array([ True, False])

    • 1
    • 2

    三维数组

    np.array([[[1,2], [3,4]], [[5,6],[7,8]]]) # .
# array([[[1, 2],
#       [3, 4]],
#
#      [[5, 6],
#       [7, 8]]])

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    数值全部为7的2乘3二维数组.

    np.full((2,3), 7)# 
# array([[7, 7, 7],
3      [7, 7, 7]])

    • 1
    • 2
    • 3

    从0到3的一维数组

    np.arange(4) #.
# array([0, 1, 2, 3])

    • 1
    • 2

    从5（包含）到25（不包含），步幅为5的一维数组.

    np.arange(5, 25, 5) #
# array([ 5, 10, 15, 20])

    • 1
    • 2

    创建从0（包含）到9（包含），长度为10的等差数列.

    np.linspace(0, 9, 10) # 
# array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])

    • 1
    • 2

    从区间[0.0,1.0)中随机抽取6个数，填入2乘3的数组中.

    np.random.random((2, 3))# 
# array([[0.26094114, 0.33261952, 0.8888425 ],
#      [0.63739788, 0.44335024, 0.5220761 ]])

    • 1
    • 2
    • 3

    创建长度为10的从0到2π余弦函数值的等差数列

    np.cos(np.linspace(0, 2*np.pi, 10))
#
# array([ 1.        ,  0.76604444,  0.17364818, -0.5       , -0.93969262,
#      -0.93969262, -0.5       ,  0.17364818,  0.76604444,  1.        ])

    • 1
    • 2
    • 3
    • 4

    数组的结构

    数组的维度.

    a.shape
# (10,)

    • 1
    • 2

    数组的长度.

    len(a)
# 10

    • 1
    • 2

    数组维度的大小

    a.ndim
# 1

    • 1
    • 2

    数组中元素的个数

    a.size
# 10

    • 1
    • 2

    数组数据的类型

    a.dtype
# 'float64'

    • 1
    • 2

    数组数据类型的名称

    a.dtype.name

    • 1

    将数据类型转换为其它类型.

    a.astype('int')
a
# array([ 1.        ,  0.76604444,  0.17364818, -0.5       , -0.93969262,       -0.93969262, -0.5       ,  0.17364818,  0.76604444,  1.        ])

    • 1
    • 2
    • 3

    数据类型
    np.int64 | 64位整数型.
    np.float32 | 标准双精度浮点型.
    np.complex | 由128位浮点代表的复数.
    np.bool | 布尔型.
    np.object | Python中object类型.
    np.nan | NA值，为浮点型

    文件读取

    以npz格式将数组保存到本地

    np.save(‘my_arr’, arr)

    • 1

    以文本格式将数组到本地

    np.savetxt(‘my_arr.txt’, arr)

    • 1

    读取本地NumPy数组文件

    np.load(‘my_arr.npy’)

    • 1

    读取本地文本数组文件

    np.loadtxt(‘my_arr.txt’)

    • 1

    将csv文件转换成NumPy数组

    np.genfromtxt(‘file.csv’,delimiter=‘,’)

    • 1

    数组切片

    arr = np.arange(0,100).reshape(20,5)
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24],
       [25, 26, 27, 28, 29],
       [30, 31, 32, 33, 34],
       [35, 36, 37, 38, 39],
       [40, 41, 42, 43, 44],
       [45, 46, 47, 48, 49],
       [50, 51, 52, 53, 54],
       [55, 56, 57, 58, 59],
       [60, 61, 62, 63, 64],
       [65, 66, 67, 68, 69],
       [70, 71, 72, 73, 74],
       [75, 76, 77, 78, 79],
       [80, 81, 82, 83, 84],
       [85, 86, 87, 88, 89],
       [90, 91, 92, 93, 94],
       [95, 96, 97, 98, 99]])

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21

    提取第5个（行）的元素

    arr[4]
# array([20, 21, 22, 23, 24])

    • 1
    • 2

    提取第2行第1列的元素

    arr[1,0]
# 5

    • 1
    • 2

    提取位于第一行第二列和第三行第四列的两个元素

    arr[[0,2],[1,3]]
# array([ 1, 13])

    • 1
    • 2

    提取前5行的元素

    arr[:5]
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24]])

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    提取第1行到第5行元素

    arr[0:5]
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24]])

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    提取第1，3，5，7，9行元素

    arr[0:10:2]
array([[ 0,  1,  2,  3,  4],
       [10, 11, 12, 13, 14],
       [20, 21, 22, 23, 24],
       [30, 31, 32, 33, 34],
       [40, 41, 42, 43, 44]])

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    反序数组

    arr[::-1]
array([[95, 96, 97, 98, 99],
       [90, 91, 92, 93, 94],
       [85, 86, 87, 88, 89],
       [80, 81, 82, 83, 84],
       [75, 76, 77, 78, 79],
       [70, 71, 72, 73, 74],
       [65, 66, 67, 68, 69],
       [60, 61, 62, 63, 64],
       [55, 56, 57, 58, 59],
       [50, 51, 52, 53, 54],
       [45, 46, 47, 48, 49],
       [40, 41, 42, 43, 44],
       [35, 36, 37, 38, 39],
       [30, 31, 32, 33, 34],
       [25, 26, 27, 28, 29],
       [20, 21, 22, 23, 24],
       [15, 16, 17, 18, 19],
       [10, 11, 12, 13, 14],
       [ 5,  6,  7,  8,  9],
       [ 0,  1,  2,  3,  4]])

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21

    提取前2行的第3列的元素

    arr[0:2,2]
# array([2, 7])

    • 1
    • 2

    提取所有行和所有列

    arr[:,:]
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24],
       [25, 26, 27, 28, 29],
       [30, 31, 32, 33, 34],
       [35, 36, 37, 38, 39],
       [40, 41, 42, 43, 44],
       [45, 46, 47, 48, 49],
       [50, 51, 52, 53, 54],
       [55, 56, 57, 58, 59],
       [60, 61, 62, 63, 64],
       [65, 66, 67, 68, 69],
       [70, 71, 72, 73, 74],
       [75, 76, 77, 78, 79],
       [80, 81, 82, 83, 84],
       [85, 86, 87, 88, 89],
       [90, 91, 92, 93, 94],
       [95, 96, 97, 98, 99]])

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21

    提取第5行的元素

    arr[4,:]
# array([20, 21, 22, 23, 24])

    • 1
    • 2

    提取所有小于50的元素

    arr[arr<50]
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33,
       34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49])

    • 1
    • 2
    • 3
    • 4

    数组的操作

    arr = np.array([[1,2],[3,4]])
# array([[1, 2],[3, 4]])

    • 1
    • 2

    数组转置

    arr.T
# array([[1, 3],[2, 4]])

    • 1
    • 2

    扁平化数组

    arr.ravel()
# array([1, 2, 3, 4])

    • 1
    • 2

    重塑数组， 元素个数需保持一致

    arr.reshape(4,1)
array([[1],
       [2],
       [3],
       [4]])

    • 1
    • 2
    • 3
    • 4
    • 5

    重塑原数组，元素个数可不同

    np.resize(arr,(2, 3))
array([[1, 2, 3],
       [4, 1, 2]])

    • 1
    • 2
    • 3

    扁平化后插入新数组[[5,6]]，若指定axis参数，则会按指定方向插入

    np.append(arr,[[5,6]])
# array([1, 2, 3, 4, 5, 6])

    • 1
    • 2

    指定axis参数

    np.append(arr,3,[[5,6]])
# array([1, 2, 3, 5, 6, 4])

    • 1
    • 2

    扁平化后按索引删除元素，若指定axis参数则会按维度方向删除

    np.delete(arr,1)
# array([1, 3, 4])

    • 1
    • 2

    按指定维度方向（需已存在）合并多个数组

    np.concatenate((arr,arr),axis=1)
array([[1, 2, 1, 2],
       [3, 4, 3, 4]])

    • 1
    • 2
    • 3

    按水平方向合并多个数组

    np.hstack((arr,arr))
array([[1, 2, 1, 2],
       [3, 4, 3, 4]])

    • 1
    • 2
    • 3

    按竖直方向合并多个数组

    np.vstack((arr,arr))
array([[1, 2],
       [3, 4],
       [1, 2],
       [3, 4]])

    • 1
    • 2
    • 3
    • 4
    • 5

    按第0维度方向将数组切成2份

    np.split(arr,2)
[array([[1, 2]]), array([[3, 4]])]

    • 1
    • 2

    按第1维度方向将数组切成2份

    np.split(arr,2,1)
[array([[1],
        [3]]),
 array([[2],
        [4]])]

    • 1
    • 2
    • 3
    • 4
    • 5

    将数组转换成列表

    arr.tolist()
[[1, 2], [3, 4]]

    • 1
    • 2

    数组的运算

    np.nan is np.nan
# True

    • 1
    • 2
    np.nan == np.nan
# False

    • 1
    • 2
    a = np.array([1,2])
b=np.array([2,3])

    • 1
    • 2

    逐元素比较，返回等维度布尔数组

    a == b
# array([False, False])

    • 1
    • 2

    逐元素比较，返回等维度布尔数组

    a<2
# array([ True, False])

    • 1
    • 2

    逐元素进行加、减、乘、除运算

    a+b
# array([3, 5])

    • 1
    • 2
    a-b
array([-1, -1])

    • 1
    • 2
    a*b
# array([2, 6])

    • 1
    • 2
    a/b
# array([0.5       , 0.66666667])

    • 1
    • 2

    数量积运算

    a.dot(b)
# 8

    • 1
    • 2

    最大

    np.max(a)
# 2

    • 1
    • 2

    最小

    np.min(a)
# 1


    • 1
    • 2
    • 3

    均值

    np.mean(a)
# 1.5

    • 1
    • 2

    标准差

    np.std(a)
# 0.5

    • 1
    • 2

    按指定维度方向求最大值

    a.max(axis=0)
# 2

    • 1
    • 2

    按指定维度方向对数组进行升序排列

    a.sort(axis=0)
# array([1, 2])

    • 1
    • 2

    深拷贝数组

    a.copy() # array([1, 2])


    • 1
    • 2

    浅拷贝数组

    np.copy(a) # array([1, 2])

    • 1

    创建数组的view

    a.view() # array([1, 2])

    • 1

    数组间整体比较，返回单个布尔值

    np.array_equal(a,a)
# True

    • 1
    • 2

    做幂

    np.exp(a)
# array([2.71828183, 7.3890561 ])

    • 1
    • 2

    开平方

    np.sqrt(a)
# array([1.        , 1.41421356])

    • 1
    • 2

    正弦

    np.sin(a)
# array([0.84147098, 0.90929743])

    • 1
    • 2

    自然对数运算

    np.log(a)
# array([0.        , 0.69314718])

    • 1
    • 2
  • 相关阅读:
    实现一个简单的长轮询
    Word控件Spire.Doc 【文本】教程(17) ；在Word中设置文本方向
    Seata部署TC服务实现高可用和异地容灾
    AI绘画开源王者归来，Stable Diffusion 3.5 AI绘画模型开源发布
    人脸识别之light_cnn
    Spring Boot日志配置及输出
    【北京迅为】《iTOP-3588开发板快速测试手册》第五章 debian系统功能测试
    软件测试—测试用例的设计
    使用 PMML 实现模型融合及优化技巧
    Spring Security使用总结四，此篇没有任何营养，就是将注册服务补全
  • 原文地址：https://blog.csdn.net/weixin_47219875/article/details/126805908