首页 > 其他分享 >numpy常用的操作

numpy常用的操作

时间:2023-03-17 13:57:21浏览次数:31  
标签:常用 print 数组 import np 操作 array numpy

以下是NumPy中一些常用的操作及其相应的代码示例:

创建NumPy数组:

import numpy as np

# 从Python列表创建一维数组
a = np.array([1, 2, 3, 4, 5])
print(a)
# 从Python列表创建二维数组
b = np.array([[1, 2, 3], [4, 5, 6]])
print(b)
# 用zeros创建一个全为0的数组
c = np.zeros((3, 3))
print(c)
# 用ones创建一个全为1的数组
d = np.ones((2, 2))
print(d)
# 用arange创建一个一维数组
e = np.arange(10)
print(e)

数组的基本属性:

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
# 数组的维度
print(a.ndim)

# 数组的形状
print(a.shape)
# 数组中元素的总数
print(a.size)
# 数组中元素的数据类型
print(a.dtype)

数组的索引和切片:

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])

# 访问单个元素
print(a[0, 0])
# 访问一整行
print(a[0, :])
# 访问一整列
print(a[:, 1])
# 切片操作
print(a[1:, 1:])

数组的运算:

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
# 数组的加法
print(a + b)
# 数组的减法
print(a - b)
# 数组的乘法
print(a * b)
# 数组的矩阵乘法
print(np.dot(a, b))

数组的统计操作:

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
# 数组中所有元素的和
print(a.sum())
# 数组中每一行的和
print(a.sum(axis=1))
# 数组中每一列的和
print(a.sum(axis=0))
# 数组中的最小值
print(a.min())
# 数组中的最大值
print(a.max())

数组的变形和重塑:

import numpy as np

a = np.array([[1, 2], [3, 4], [5, 6]])
# 将数组变形成一维数组
b = a.reshape(-1)
print(b)
# 将数组变形成三行两列的二维数组
c = a.reshape(3, 2)
print(c)
# 将数组变形成两行三列的二维数组
d = a.reshape(2, 3)
print(d)
# 将数组转置
e = a.T
print(e)

数组的堆叠和拆分:

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
# 水平堆叠数组
c = np.hstack((a, b))
print(c)
# 垂直堆叠数组
d = np.vstack((a, b))
print(d)
# 将一维数组分割成多个数组
e = np.array([1, 2, 3, 4, 5, 6])
f = np.split(e, 3)
print(f)
# 将二维数组按行拆分成多个数组
g = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
h = np.split(g, 3, axis=0)
print(h)
# 将二维数组按列拆分成多个数组
i = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
j = np.split(i, 3, axis=1)
print(j)

数组的广播:

a = np.array([[1, 2], [3, 4]])
b = np.array([10, 20])
# 数组的广播
c = a + b
print(c)
# 数组的广播
d = a * 2
print(d)

数组的逻辑运算:

import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([2, 4, 6, 8])
# 数组的比较运算
c = a == b
print(c)
# 数组的逻辑运算
d = np.logical_and(a > 1, b < 5)
print(d)
# 数组的逻辑运算
e = np.logical_or(a < 2, b > 7)
print(e)

数组的统计运算:

import numpy as np

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

# 求数组的最大值、最小值、平均值、中位数、标准差、方差
b = np.max(a)
c = np.min(a)
d = np.mean(a)
e = np.median(a)
f = np.std(a)
g = np.var(a)

print(b, c, d, e, f, g)

数组的排序:

import numpy as np

a = np.array([3, 1, 4, 2, 6, 5])
# 对数组进行排序
b = np.sort(a)
print(b)
# 对数组进行逆序排序
c = np.sort(a)[::-1]
print(c)
# 返回数组排序的下标
d = np.argsort(a)
print(d)

矩阵运算:

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
# 矩阵相乘
c = np.dot(a, b)
print(c)
# 矩阵的迹
d = np.trace(a)
print(d)
# 矩阵的行列式
e = np.linalg.det(a)
print(e)
# 矩阵的逆
f = np.linalg.inv(a)
print(f)

随机数生成:

import numpy as np
# 生成指定范围内的随机整数
a = np.random.randint(0, 10, size=5)
print(a)

# 生成指定范围内的随机浮点数
b = np.random.uniform(0, 1, size=5)
print(b)

# 生成正态分布的随机数
c = np.random.normal(0, 1, size=5)
print(c)

# 生成指定概率分布的随机数
d = np.random.choice([1, 2, 3], size=5, p=[0.1, 0.3, 0.6])
print(d)

数组的复制:

import numpy as np

a = np.array([1, 2, 3, 4, 5])

# 浅复制数组
b = a.view()
print(b)

# 深复制数组
c = a.copy()
print(c)

数组的拼接和分割:

import numpy as np

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

# 水平拼接数组
c = np.concatenate((a, b), axis=1)
print(c)

# 垂直拼接数组
d = np.concatenate((a, b), axis=0)
print(d)

# 水平分割数组
e = np.hsplit(c, 2)
print(e)

# 垂直分割数组
f = np.vsplit(d, 2)
print(f)

数组的元素操作:

import numpy as np

a = np.array([1, 2, 3, 4, 5])

# 数组的切片操作
b = a[1:4]
print(b)

# 数组的索引操作
c = a[[0, 2, 4]]
print(c)

# 数组的赋值操作
a[2:4] = [6, 7]
print(a)

# 数组的去重操作
d = np.unique([1, 2, 3, 3, 4, 5, 5])
print(d)

数组的线性代数:

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([5, 6])

# 求解线性方程组
c = np.linalg.solve(a, b)
print(c)

# 计算特征值和特征向量
d, e = np.linalg.eig(a)
print(d, e)

# 计算奇异值分解
f, g, h = np.linalg.svd(a)
print(f, g, h)

数组的傅里叶变换:

import numpy as np
import matplotlib.pyplot as plt

# 生成信号
t = np.linspace(0, 1, 1000)
x = np.sin(2 * np.pi * 5 * t) + np.sin(2 * np.pi * 10 * t)

# 对信号进行傅里叶变换
y = np.fft.fft(x)

# 绘制傅里叶变换后的频谱图
freqs = np.fft.fftfreq(len(x), t[1] - t[0])
plt.plot(freqs, np.abs(y))
plt.show()

数组的统计:

import numpy as np

a = np.array([1, 2, 3, 4, 5])

# 数组的和
b = np.sum(a)
print(b)

# 数组的平均值
c = np.mean(a)
print(c)

# 数组的方差和标准差
d = np.var(a)
e = np.std(a)
print(d, e)

# 数组的最小值和最大值
f = np.min(a)
g = np.max(a)
print(f, g)

# 数组的排序
h = np.sort(a)
print(h)

数组的元素比较:

import numpy as np

a = np.array([1, 2, 3, 4, 5])
b = np.array([5, 4, 3, 2, 1])

# 逐个元素比较
c = a == b
print(c)

# 数组比较
d = np.array_equal(a, b)
print(d)

标签:常用,print,数组,import,np,操作,array,numpy
From: https://www.cnblogs.com/bertin/p/17226474.html

相关文章

  • numpy(2) 数组unique元素与数组拼接
    np.unique()数组拼接np.concatenate()参考:[1]https://cloud.tencent.com/developer/article/1845600[2]https://blog.csdn.net/qq_39516859/article/details/806660......
  • Excel常用进阶操作
    目录复制粘贴忽略隐藏行,复制可见单元格粘贴到可见单元格筛选筛选重复项,唯一项导出计数sheet页升序降序自定义排序填充公式向下向右填充批量填充数据透视表排序细节复制粘......
  • pandas操作excle
    Python是一门强大的编程语言,也是数据科学领域中最流行的语言之一。在处理数据时,很多时候需要与Excel进行交互,以进行数据读取、清理和分析。Python中有很多工具可以与Excel......
  • nginx重启和操作
    在linux操作系统中,重启nginx1、当不知道nginx所在目录时,需要先查找到nginx的位置 查看ngnix位置(masterprocess后面的就是nginx的目录):ps-ef|grepnginx2......
  • 前端操作cookie的用法
    前端操作cookie的方法        +前端操作cookie的方法        +增删改查四个操作      设置cookie      ......
  • HTML中的表格的基本结构与常用属性
    1、表格的基本结构首先看看图下<table>标签的布局                                    ......
  • 半导体常用术语汇总
    WLBI: waferleverburninRDBI:repairduringburninELFR: earlylifefailratioHTOL:hightemperatureoperatinglifetimeHAST: highacceleratedstress......
  • net 日常操作常用类
    net常用类库一览系统类Type类,Object类,String类,Array类,Console类,Exception类,GC类,MarshalByRefObject类,Math类。DateTime结构,Guid结构,ICloneable接口,I......
  • web自动化-滚动操作
    一、基本知识:滚动步骤:1.通过selenium的查找元素的方法先找到元素;2.通过执行js语句,将元素滚动到可见区域中;#找到元素:target=driver.find_element_by_xpath('//a[te......
  • Docker CLI docker commit 常用命令
    Docker是一个开源的应用容器引擎,让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中,然后发布到任何流行的Linux或Windows操作系统的机器上,也可以实现虚拟化。Doc......