import numpy as np
numpy.array 常用變量及參數
創建數組的方法
np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]], dtype=np.float)
np.arange(0,1,0.1) #0到1之間步長為0.1的數組, 數組中不包含1
np.linspace(0, 1, 5) # 開始：0， 結束1, 元素個數 5。 array([ 0. , 0.25, 0.5 , 0.75, 1. ])
np.logspace(0, 1, 5) # 開始：0， 結束1, 元素個數 5. array([ 10**0. , 10**0.25, 10**0.5 , 10**0.75, 10**1. ])
# 結果是 array([ 1. , 1.77827941, 3.16227766, 5.62341325, 10. ])
s = 'abcdefg'
np.fromstring(s, dtype=np.int8)
def func2(i, j):
return (i+1) * (j+1)
np.fromfunction(func2, (9,9))
np.ones((2, 2))
np.zero((2, 2))
np.eye(2)
#創建二維數組：
np.arange(0, 60, 10).reshape(-1, 1) + np.arange(0, 6)
數據讀取
通過下標范圍獲取數據： 與python list對象操作一致。 不同點是這方法獲取的數組與原數組是內存共享的。
通過整數序列獲取新數組：例 x[[3,2,3,2] ], 產生新數組， 內存不共享
使用布爾數組獲取數據：例: x[np.array([True, False, True, False, False])] 或 x[x>0.5], 返回True對應的數字。
代碼示例：
>>> x = np.arange(10) >>> y = x[::-1] >>> x array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> y array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0]) >>> y[0] = 100 >>> x array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 100]) >>> y array([100, 8, 7, 6, 5, 4, 3, 2, 1, 0]) >>> x[0] = 99 >>> x array([ 99, 1, 2, 3, 4, 5, 6, 7, 8, 100]) >>> y array([100, 8, 7, 6, 5, 4, 3, 2, 1, 99]) >>> y = x[1:6] >>> y array([1, 2, 3, 4, 5]) >>> y[2] = 33 >>> y array([ 1, 2, 33, 4, 5]) >>> x array([ 99, 1, 2, 33, 4, 5, 6, 7, 8, 100]) >>> x[[3,2,3,2]] array([33, 2, 33, 2]) >>> z = x[[3,2,3,2]] >>> z array([33, 2, 33, 2]) >>> z[3] = 4 >>> z array([33, 2, 33, 4]) >>> x array([ 99, 1, 2, 33, 4, 5, 6, 7, 8, 100]) >>> x[x>10] array([ 99, 33, 100]) >>>
數組擴展
np.vstack((a, b)): 增加行數， 把b數據追加到a的下面， 上下連接。
np.hstack((a, b)): 增加列數，把a, b左右連接。
>>> a = np.ones((3,3)) >>> b = np.eye(3) >>> a array([[ 1., 1., 1.], [ 1., 1., 1.], [ 1., 1., 1.]]) >>> b array([[ 1., 0., 0.], [ 0., 1., 0.], [ 0., 0., 1.]]) >>> b *= 2 >>> b array([[ 2., 0., 0.], [ 0., 2., 0.], [ 0., 0., 2.]]) >>> np.vstack((a, b)) array([[ 1., 1., 1.], [ 1., 1., 1.], [ 1., 1., 1.], [ 2., 0., 0.], [ 0., 2., 0.], [ 0., 0., 2.]]) >>> >>> np.hstack((a, b)) array([[ 1., 1., 1., 2., 0., 0.], [ 1., 1., 1., 0., 2., 0.], [ 1., 1., 1., 0., 0., 2.]])
ufunc運算
ufunc是universal function的縮寫，它是一種能對數組的每個元素進行操作的函數。NumPy內置的許多ufunc函數都是在C語言級別實現的，因此它們的計算速度非?？?。
np.sin(x, x) np.add(a, b) ~ a+b np.subtract(a, b) ~ a-b np.multiply(a, b) ~ a*b divide ~ a/b floor divide ~ a//b negative ~ -a power ~ a**b remainder ~ a % b
注意：復雜運算時，中間步聚會有臨時變量，這會拖慢運算速度。
如：
x = a*b + c
等價于
t = a*b x = t + c del t
所以可手動優化
x = a * b x += c
二維數組轉一維
>>> a array([[ 1, 2, 3, 4], [ 4, 5, 6, 7], [ 7, 8, 9, 10]]) >>> a.ravel() array([ 1, 2, 3, 4, 4, 5, 6, 7, 7, 8, 9, 10])
reshape函數可重新定義大小。
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
