首页 > 其他分享 >numpy模块

numpy模块

时间：2023-09-03 19:22:52浏览次数：35  
标签：arr 模块 元素 np 数组 print numpy

目录

一、numpy简介

numpy官方文档：https://docs.scipy.org/doc/numpy/reference/?v=20190307135750

numpy是Python的一种开源的数值计算扩展库。这种库可用来存储和处理大型numpy数组，比Python自身的嵌套列表结构要高效的多（该结构也可以用来表示numpy数组）。

numpy库有两个作用：

  1. 区别于list列表，提供了数组操作、数组运算、以及统计分布和简单的数学模型
  2. 计算速度快，甚至要由于python内置的简单运算，使得其成为pandas、sklearn等模块的依赖包。高级的框架如TensorFlow、PyTorch等，其数组操作也和numpy非常相似。

二、numpy数组的使用

2.1 为什么用numpy

# 使用python中的元组
lis1 = [1, 2, 3]
lis2 = [4, 5, 6]

print(lis1)
# [1, 2, 3]

print(lis2)
# [4, 5, 6]

# 如果我们想让lis1 * lis2得到一个结果为lis_res = [4, 10, 18]，非常复杂。

2.2 创建numpy数组

numpy数组即numpy的ndarray对象，创建numpy数组就是把一个列表传入np.array()方法。

安装

# pip3 install numpy
import numpy as np

创建一维的ndarray对象

arr = np.array([1, 2, 3])
print(arr, type(arr))

# 结果是：
# [1 2 3] <class 'numpy.ndarray'>

创建二维的ndarray对象

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

# 结果是：
[[1 2 3]
 [4 5 6]]

创建三维的ndarray对象

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

# 结果是：
[[1 2 3]
 [4 5 6]
 [7 8 9]]

三、numpy数组的dtype种类

常见的 NumPy 数组数据类型：

  1. 整数类型：
  • int8, int16, int32, int64: 有符号整数类型，表示不同位数的整数。
  • uint8, uint16, uint32, uint64: 无符号整数类型，表示不同位数的非负整数。
  1. 浮点数类型：
  • float16, float32, float64: 单精度和双精度浮点数类型，分别表示半精度、单精度和双精度浮点数。
  • complex64, complex128: 单精度和双精度复数类型，分别表示由两个浮点数构成的复数。
  1. 布尔类型：
  • bool: 布尔类型，表示 True 或 False。
  1. 字符串类型：
  • str: 字符串类型，用于表示文本数据。
  • unicode: Unicode 字符串类型，用于表示支持多种字符集的文本数据。
  1. 日期和时间类型：
  • datetime64: 表示日期和时间的类型。

除了上述常见的数据类型外，还可能存在其他特定的数据类型，例如：

分类类型：

  • category: 分类类型，用于表示具有有限个离散值的数据。
    对象类型：

  • object: 通用对象类型，可以存储任意类型的数据。

四、numpy数组的常用属性

属性 解释
T 数组的转置（对高维数组而言）
dtype 数组元素的数据类型
size 数组元素的个数
ndim 数组的维数
shape 数组的维度大小（以元组形式）
astype 类型转换 
# 1.打印一个浮点型的数组
arr = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float32)
print(arr)

# 结果是：
[[1. 2. 3.]
 [4. 5. 6.]]


# 2.转置
print(arr.T)

# 结果是：
[[1. 4.]
 [2. 5.]
 [3. 6.]]


# 3.打印数组的数据类型
print(arr.dtype)
# float32

# 4.类型转换
arr = arr.astype(np.int32)
print(arr.dtype)
print(arr)

# 结果是：
int32
[[1 2 3]
 [4 5 6]]


# 5.数组元素的个数
print(arr.size)
# 6

# 6.数组的维数
print(arr.ndim)
# 2

# 7.数组的维度大小，n*n维的数组
print(arr.shape)
# (2, 3)

五、获取numpy数组的行列数

由于numpy数组是多维的，对于二维的数组而言，numpy数组就是既有行又有列。

注意：对于numpy我们一般多讨论二维的数组。

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

# 结果是：
[[1 2 3]
 [4 5 6]]


# 1.获取numpy数组的行和列构成的数组
print(arr.shape)
# (2, 3)

# 2.获取numpy数组的行
print(arr.shape[0])
# 2

# 3.获取numpy数组的列
print(arr.shape[1])
# 3

六、切割numpy数组

切分numpy数组类似于列表的切割，但是与列表的切割不同的是，numpy数组的切割涉及到行和列的切割，但是两者切割的方式都是从索引0开始，并且取头不取尾。

arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
print(arr)

# 结果是：
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]


# 1.取所有元素
print(arr[:, :])

[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]

# 2.1 取第一行的所有元素
print(arr[:1, :])
# [[1 2 3 4]]

# 2.2 取第一行的所有元素
print(arr[0, [0, 1, 2, 3]])
# [1 2 3 4]


# 3.1 取第一列的所有元素
print(arr[:, :1])
[[1]
 [5]
 [9]]

# 3.2 取第一列的所有元素
print(arr[(0, 1, 2), 0])
# [1 5 9]


# 4.取第一行第一列的元素
print(arr[0, 0])
# 1

# 5.取大于5的元素，返回一个数组
print(arr[arr > 5])
# [ 6  7  8  9 10 11 12]

# 6.numpy数组按运算符取元素的原理，即通过arr > 5生成一个布尔numpy数组
print(arr > 5)

[[False False False False]
 [False  True  True  True]
 [ True  True  True  True]]

七、numpy数组元素替换

numpy数组元素的替换，类似于列表元素的替换，并且numpy数组也是一个可变类型的数据，即如果对numpy数组进行替换操作，会修改原numpy数组的元素，所以下面我们用.copy()方法举例numpy数组元素的替换。

arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
print(arr)

[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]

# 1.取第一行的所有元素，并且让第一行的元素都为0
arr1 = arr.copy()
arr1[:1, :] = 0
print(arr1)

[[ 0  0  0  0]
 [ 5  6  7  8]
 [ 9 10 11 12]]

# 2.取所有大于5的元素，并且让大于5的元素为0
arr2 = arr.copy()
arr2[arr > 5] = 0
print(arr2)

[[1 2 3 4]
 [5 0 0 0]
 [0 0 0 0]]

# 3.对numpy数组清零
arr3 = arr.copy()
arr3[:, :] = 0
print(arr3)

[[0 0 0 0]
 [0 0 0 0]
 [0 0 0 0]]

八、numpy数组的合并

arr1 = np.array([[1, 2], [3, 4], [5, 6]])
arr2 = np.array([[7, 8], [9, 10], [11, 12]])
print(arr1)
print(arr2)

[[1 2]
 [3 4]
 [5 6]]

[[ 7  8]
 [ 9 10]
 [11 12]]

#####合并行
# 1.合并两个numpy数组的行，注意使用hstack()方法合并numpy数组，numpy数组应该有相同的行，其中hstack的h表示horizontal水平的
print(np.hstack((arr1, arr2)))

[[ 1  2  7  8]
 [ 3  4  9 10]
 [ 5  6 11 12]]

# 2.合并两个numpy数组，其中axis=1表示合并两个numpy数组的行
print(np.concatenate((arr1, arr2), axis=1))

[[ 1  2  7  8]
 [ 3  4  9 10]
 [ 5  6 11 12]]

#####合并列
# 3.合并两个numpy数组的列，注意使用vstack()方法合并numpy数组，numpy数组应该有相同的列，其中vstack的v表示vertical垂直的
print(np.vstack((arr1, arr2)))

[[ 1  2]
 [ 3  4]
 [ 5  6]
 [ 7  8]
 [ 9 10]
 [11 12]]

# 4.合并两个numpy数组，其中axis=0表示合并两个numpy数组的列
print(np.concatenate((arr1, arr2), axis=0))

[[ 1  2]
 [ 3  4]
 [ 5  6]
 [ 7  8]
 [ 9 10]
 [11 12]]

九、通过函数创建numpy数组

方法 详解
array() 将列表转换为数组，可选择显式指定dtype
arange() range的numpy版，支持浮点数
linspace() 类似arange()，第三个参数为数组长度
zeros() 根据指定形状和dtype创建全0数组
ones() 根据指定形状和dtype创建全1数组
eye() 创建单位矩阵
empty() 创建一个元素全随机的数组
reshape() 重塑形状

1 array

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

# [1 2 3]

2 arange

# 构造0-9的ndarray数组
print(np.arange(10))
# [0 1 2 3 4 5 6 7 8 9]

# 构造1-4的ndarray数组
print(np.arange(1, 5))
# [1 2 3 4]

# 构造1-19且步长为2的ndarray数组
print(np.arange(1, 20, 2))

# [ 1  3  5  7  9 11 13 15 17 19]

3 linspace/logspace

# 构造一个等差数列，取头也取尾，从0取到20，取5个数
print(np.linspace(0, 20, 5))

# [ 0.  5. 10. 15. 20.]

# 构造一个等比数列，从10**0取到10**20，取5个数
print(np.logspace(0, 20, 5))

# [1.e+00 1.e+05 1.e+10 1.e+15 1.e+20]

4 zeros/ones/eye/empty

# 构造3*4的全0numpy数组
print(np.zeros((3, 4)))

[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]


# 构造3*4的全1numpy数组
print(np.ones((3, 4)))

[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]


# 构造3个主元的单位numpy数组
print(np.eye(3))

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]


# 构造一个4*4的随机numpy数组，里面的元素是随机生成的
print(np.empty((4, 4)))

[[ 2.31584178e+077 -1.49457545e-154  3.95252517e-323  0.00000000e+000]
 [ 0.00000000e+000  0.00000000e+000  0.00000000e+000  0.00000000e+000]
 [ 0.00000000e+000  0.00000000e+000  0.00000000e+000  0.00000000e+000]
 [ 0.00000000e+000  0.00000000e+000  1.29074055e-231  1.11687366e-308]]

5 reshape

arr = np.ones([2, 2], dtype=int)
print(arr.reshape(4, 1))

[[1]
 [1]
 [1]
 [1]]

6 fromstring/fromfunction(了解)

# fromstring通过对字符串的字符编码所对应ASCII编码的位置，生成一个ndarray对象
s = 'abcdef'
# np.int8表示一个字符的字节数为8
print(np.fromstring(s, dtype=np.int8))

# [ 97  98  99 100 101 102]

/Applications/anaconda3/lib/python3.6/site-packages/ipykernel_launcher.py:4: DeprecationWarning: The binary mode of fromstring is deprecated, as it behaves surprisingly on unicode inputs. Use frombuffer instead
  after removing the cwd from sys.path.

def func(i, j):
    """其中i为numpy数组的行，j为numpy数组的列"""
    return i * j

# 使用函数对numpy数组元素的行和列的索引做处理，得到当前元素的值，索引从0开始，并构造一个3*4的numpy数组
print(np.fromfunction(func, (3, 4)))

[[0. 0. 0. 0.]
 [0. 1. 2. 3.]
 [0. 2. 4. 6.]]

十、numpy数组运算

运算符 说明
+ 两个numpy数组对应元素相加
- 两个numpy数组对应元素相减
* 两个numpy数组对应元素相乘
/ 两个numpy数组对应元素相除，如果都是整数则取商
% 两个numpy数组对应元素相除后取余数
**n 单个numpy数组每个元素都取n次方，如**2：每个元素都取平方 
arrarr1 = np.array([[1, 2], [3, 4], [5, 6]])
print(arr1)

[[1 2]
 [3 4]
 [5 6]]

arr2 = np.array([[7, 8], [9, 10], [11, 12]])
print(arr2)

[[ 7  8]
 [ 9 10]
 [11 12]]

# 1.相加
print(arr1 + arr2)

[[ 8 10]
 [12 14]
 [16 18]]

# 2.相乘
print(arr1**2)

[[ 1  4]
 [ 9 16]
 [25 36]]

十一、numpy数组运算函数

numpy数组函数 详解
np.sin(arr) 对numpy数组arr中每个元素取正弦，

标签：arr,模块,元素,np,数组,print,numpy
From： https://www.cnblogs.com/zjyao/p/17675396.html

相关文章

  • 模块
    模块uts支持将程序拆分为可按需导入的单独模块，模块中可以导入和导出各种类型的变量，如函数，字符串，数字，布尔值，类等。#导出export语句可以将一个文件中的函数，类等导出。比如：exportconstname:string="square";exportfunctiondraw(){}exportdefaultclassCanvas{}/......
  • Prism区域和模块化（Region & Module）
    Prism一直是围绕依赖注入构建的。这有助于您构建可维护和可测试的应用程序，并帮助您减少或消除对静态和循环引用的依赖。Prism区域概念（Region）什么是区域（Region）区域（Region）作为Prism当中模块化的核心功能，其主要目的是弱化了模块与模块之间的耦合关系。在普遍的应用程序开发中，界面......
  • 1774_实现树莓派小车的L298N电机驱动模块
    全部学习汇总：GitHub-GreyZhang/little_bits_of_raspberry_pi:myhackingtripaboutraspberrypi.买了一块儿树莓派，赠送了大量的资料。如今，我买的树莓派出了自己烧了个系统加单试了一下功能完全没有做其他功能扩展的尝试。近期的自我提升计划有对树莓派的学习，但是动手折腾恐怕......
  • 硬件管理平台-硬件网关-插件模块-集成（下）
    硬件管理平台-硬件网关-插件模块-集成（下）简介通过以上的几篇文章说明了xml的相关配置信息和配置项，我们可以对插件模块的剩余部分进行说明了。当网关服务加载了本地的硬件插件后就产生了硬件类型的实例，通过该实例就可以去调用下位机了。而去调用哪个下位机，我们就需要通过xml的配置......
  • ESP8266透明串口转MQTT模块使用说明
    ESP8266透明串口转MQTT模块使用说明 更新历史日期撰写备注2023.9.2YTH       目录1    模块功能...22    串口驱动...23    快速验证功能...33.1    模块默认功能：...33.2    手机开启热点.......
  • 如何在CMAKE中指定python路径——使用cmake为python编译扩展模块时指定python路径
     答案：cmake-DPython3_EXECUTABLE=/path/to/bin/python3   =================================================    参考：https://stackoverflow.com/questions/49908989/cmake-cant-find-python3   =================================== ......
  • H1H1Wifi模块-ESP-01s使用的基本操作
    H1H1Wifi模块-ESP-01s蓝牙，ESP-01s，Zigbee,NB-Iot等通信模块都是基于AT指令的设计AT指令简介AT指令集是从终端设备（TerminalEquipment，TE)或数据终端设备（DataTerminalEquipment，DTE)向终端适配器(TerminalAdapter，TA)或数据电路终端设备(DataCircuitTerminalEquipment，DCE)发......
  • esp8266 wifi模块的使用
      esp8266可以配置AP模式，和Station模式，AP就是我们平时所说的热点，Station则是前面说的连接AP的设备ESP8266还有第三种模式：AP+Station，即：将AP和Station的功能合二为一，但是应用的场景不多，这里不做展示。当ESP8266设置为AP模式时，其他设备可以接入该热点，最多支持4......
  • 1772_WPS关闭WPS热点和云服务等模块
    全部学习汇总：GitHub-GreyZhang/windows_skills:someskillswhenusingwindowssystem.说起来，WPS加入的WPS热点以及WPS云服务等可能还都是很不错的功能。不过，我不是很喜欢。我喜欢我能够更加自由地去随心所欲使用我用的软件，如果可能，最好是自由软件。虽说自由软件的王国里面有O......
  • 同时创建作者和作者详情表,ModelSerializer使用,模块与包的使用,反序列化校验源码分析
    1同时创建作者和作者详情表1.1django项目改名字后顺利运行#1先改文件夹名#2改项目名#3改项目内的文件夹名#4替换掉所有文件中的drf_day04---》drf_day05#5命令行中启动：pythonmanage.pyrunserver#6setting--->django--->指定项目根路径1.1作者......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99