首页 > 其他分享> 文章详细

Numpy的一些操作

2022-04-15 19:01:29 阅读：241 来源： 互联网

标签：dtype shape 数组一些 np 操作 Numpy ndarray size

1、什么是Numpy

简单来说：

Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。
Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。
Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。

NumPy提供了一个N维数组类型ndarray，它描述了相同类型的“items”的集合。这里的相同类型的item是指每一列的数据类型要一致，不同列不一定。有点像关系表那种。
比如说：

2、N维数组-ndarray

数组属性反映了数组本身固有的信息，任何一个数组实例都可以调用一下方法：

属性名字	属性解释
ndarray.shape	数据几行几列
ndarray.size	数组中的元素数量
ndarray.dtype	数组元素的类型

ps:关于数组的shape

一维数组
- 比如说，a1 = np.array([1,2,3,4])
二维数组
- a2 = np.array([[1,2,3,4],
  [5,6,7,8]])
- 注意a有两层 [[...],[...],[...]]

三维数组
- a3 = np.array([[[1,2,3],[4,5,6]],[5,6,7,8]])
- 注意a3有三层 [[[],...],[...],[...]]

3、Numpy基本操作

3.1 生成数组的方法

（1）生成全是0，或全是1

np.ones(shape, dtype)
- 生成全是1的数组，shape为表示行列的元组(注意是元组，否则报错~)

np.ones_like(a, dtype)
- 生成全是1的数组，shape像数组a
np.zeros(shape, dtype)
np.zeros_like(a, dtype)

（2）从现有的数组中生成

np.array(object, dtype)

np.asarray(a, dtype

a = np.array([[1,2,3],[4,5,6]])
a1 = np.array(a)
# 从现有的数组当中创建,a1和a是独立的两个数组
a2 = np.asarray(a)
# 相当于索引的形式，并没有真正的创建一个新的数组，对a2进行修改，会直接影响到a。

（3）生成固定范围的数组

np.linspace (start, stop, num, endpoint)
np.arange(start,stop, step, dtype)
np.logspace(start,stop, num)

3.2 Numpy的随机数组

关于 numpy.random模块

3.2.1正态分布的随机数组

np.random.randn(d0, d1, …, dn)
- d0,d1,...,dn 代表维度
- 比如说 c = np.random.randn(1,2,3),代表生成一个三维数组，最外岑一个list，次外层两个list，最内层每个list有三个元素

np.random.normal(loc=0.0, scale=1.0, size=None)

loc：float

 此概率分布的均值（对应着整个分布的中心centre）

scale：float

 此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）

size：int or tuple of ints

 输出的shape，不写则输出一个值，写（3,4）则输出三行四列的数组

np.random.standard_normal(size=None)

3.2.2均匀分布的随机数组

np.random.rand(d0, d1, ..., dn)

返回[0.0，1.0)内的一组均匀分布的数。

np.random.uniform(low=0.0, high=1.0, size=None)

功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.
参数介绍:
low: 采样下界，float类型，默认值为0；
high: 采样上界，float类型，默认值为1；
size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出mnk个样本，缺省时输出1个值。
返回值：ndarray类型，其形状和参数size中描述一致。

np.random.randint(low, high=None, size=None, dtype='l')

从一个均匀分布中随机采样，生成一个整数或N维整数数组，
取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数。

3.3 数组索引和切片

一维数组
- 直接定位
二维数组
- 先行后列，比如a[0:2,0:2]，表示数组a的0,1行和0,1列的数据（开区间）

三维数组
-从外往内，层层切片

3.4 数组形状修改

ndarray.reshape(shape, order)
- 不改变原来的数组，会重新生成一个shape不同的数组，但是数据与原来数组一样。
ndarray.resize(new_shape)
- 在原来数组上改变形状，不会生成新数组！
ndarray.T
- 数据转置~

3.5 数组类型修改

ndarray.astype(type)
a.astype(np.int32)

ndarray.tostring([order])或者ndarray.tobytes([order])

arr = np.array([[[1, 2, 3], [4, 5, 6]], [[12, 3, 34], [5, 6, 7]]])
arr.tostring()

4 参考文献

《Pyhton 科学计算》---张若愚

标签：dtype,shape,数组,一些,np,操作,Numpy,ndarray,size
来源： https://www.cnblogs.com/caolanying/p/16121824.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9