创建数组 通过list创建NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
在文件中首先导入包import numpy as np
a = [random.uniform(100.0, 200.0) for i in range(100)] arr = np.array(a)通过np.array()初始化创建
arr = np.array([[[1, 2]], [[2, 3]], [[3, 4]], [[4, 5]]])通过reshape创建二维数组
x = np.arange(10).reshape((2, 5)) print(x) print(x[1, 4]) print(x.shape[0]) # [[0 1 2 3 4] # [5 6 7 8 9]] # 9 # 2
数组array属性 shape属性二维数组的索引方式有两种，第一种是a[x][y]的方式，另一种是a[x,y]，通常更推荐后者。
输出各个维度的大小
arr = np.array([[[1, 2]], [[2, 3]], [[3, 4]], [[4, 5]]]) print(arr.shape) # (4, 1, 2)size属性
输出数组元素总的个数
arr = np.array([[[1, 2]], [[2, 3]], [[3, 4]], [[4, 5]]]) print(arr.size) # 8ndim属性
数组的维度大小 也就是几维数组
arr.ndim # 3T属性
实现数组转置
arr.T # 各个维度全部转换 (2, 1, 4)特殊数组 np.zeros()
生成全0数组,，通过dtype可以指定数组中元素类型
z = np.zeros(10) print(z) # 默认是浮点数 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] z1 = np.zeros(10, dtype='int64') print(z1) # [0 0 0 0 0 0 0 0 0 0]np.ones()
生成全1数组
one = np.ones(10, dtype='int64') print(one) # [1 1 1 1 1 1 1 1 1 1]np.empty()
生成空数组
e = np.empty(100) print(e) # 其实是随机值np.arange()
生成某个范围内的数组
aa = np.arange(10) # [0 1 2 3 4 5 6 7 8 9] bb = np.arange(0, 10, 3) # 指定起始点 终止点 以及 step # [0 3 6 9]np.eye()
生成单位矩阵
ee = np.eye(10)数组的切片操作 array和list的切片区别
a = list(range(10))
b = np.arange(10)
a1 = a[0:4]
b1 = b[0:4]
print("a_list:{}".format(a))
print("b_array:{}".format(b))
print("a1_list:{}".format(a1))
print("b1_array:{}".format(b1))
print("修改a1[0]和b1[0]的值之后：")
a1[0] = 11
b1[0] = 11
print("修改之后的a_list:{}".format(a)) # list的值并没有被修改 它相当于是一种浅拷贝
print("修改之后的b_array:{}".format(b)) # array的值被修改
# 说明对array来说，切片操作其实是对原array的引用，实际上是一种浅拷贝
a_list:[0, 1, 2, 3, 4, 5, 6, 7, 8, 9] b_array:[0 1 2 3 4 5 6 7 8 9] a1_list:[0, 1, 2, 3] b1_array:[0 1 2 3] 修改a1[0]和b1[0]的值之后： 修改之后的a_list:[0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 修改之后的b_array:[11 1 2 3 4 5 6 7 8 9]二维数组切片
a = np.arange(15).reshape((3, 5)) print(a) # [[ 0 1 2 3 4] # [ 5 6 7 8 9] # [10 11 12 13 14]] print(a[0:2, 0:2]) # [[0 1] # [5 6]] print(a[0:2][0:2]) # [[0 1 2 3 4] # [5 6 7 8 9]] # 只有前一种方法凑效 print(a[1:, 2:4]) # [[ 7 8] # [12 13]]数组索引 布尔索引
将布尔表达式作为索引
a = np.arange(10) b = a[a > 5] print(b) # [6 7 8 9]
其实它的实际操作是这样的
c = np.array([1, 2, 3, 4]) d = [True, True, False, True] print(c[d]) # [1, 2, 4]
print(a > 5) # [False False False False False False True True True True] print(a[a > 5]) # [6 7 8 9]
取a中大于5的偶数
b = a[(a > 5) & (a % 2 == 0)] # 必须要加括号 并且不能用and 此处会重载运算符& print(b) # [6 8]
取a中大于5的数和所有偶数
c = a[(a > 5) | (a % 2 == 0)] print(c) # [0 2 4 6 7 8 9]花式索引
传进去一个列表作为索引，可以取到相应位置上的值
也可以和切片操作、布尔索引结合
a = np.arange(20) print(a[[1, 3, 5, 7, 9]]) # [1 3 5 7 9] a = np.arange(20).reshape((4, 5)) print(a) print(a[0, 2:4]) # [2, 3] print(a[0, a[0] > 1]) # [2, 3, 4] # [[ 0 1 2 3 4] # [ 5 6 7 8 9] # [10 11 12 13 14] # [15 16 17 18 19]] # 取a中的元素作为新的二维数组 b = a[[1, 3], :] # 先切第1 3行 c = b[:, [1, 3]] # 再切第1 3列 print(c) # [[ 6 8] # [16 18]] print(a[[1, 3], :][:, [1, 3]]) # 效果同上 print(a[[0, 2], :][:, [0, 1, 3, 4]])numpy中的重要函数 np.isnan
nan(not a number)不是一个数，类型是
。
np.nan is np.nan = True np.nan != np.nan # 不能这样判断一个nan是否是nan # 判断nan的方法是np.isnan(a) a = np.arange(5) a = a / a print(a) # [nan 1. 1. 1. 1.] print(np.isnan(a)) # [True False False False False] # 去掉数组中nan的方法 b = a[~np.isnan(a)] # [1. 1. 1. 1.]np.isinf
inf是无穷大，也是float型数据。用法同isnan
a = np.array([1, 1, 2, 3, 4]) b = np.array([0, 1, 2, 1, 0]) c = a / b print(c) # [inf 1. 1. 3. inf] # 去除inf print(c[~(np.isinf(c))]) # [1. 1. 3.]np.random 随机产生一个数
a = np.random.random()产生某个范围内的整数或数组
np.random.randint(0, 10) a = np.random.randint(0, 10, 10) # 随机生成10个0-9以内的int 一维的 # [9 0 2 3 2 0 8 9 2 6] a = np.random.randint(0, 10, (2, 5)) # 最后一参数是形状 多维 # [[4 8 7 0 3] # [7 6 8 1 8]]产生成正态分布的数组
a = np.random.uniform(2.0, 10.0, 10) print(a) # [3.10070825 2.54493484 8.07038208 6.74178579 2.9491971 9.9813392 3.58365099 8.4720269 4.73902394 6.50748841] a = np.random.uniform(2.0, 10.0, (2, 5)) print(a) # [[6.86870706 8.48767828 3.35503304 2.35793278 6.05281056] # [9.67359048 3.16650548 7.81726608 2.72933486 2.22826293]]随机选择数组中的数形成新数组
a = np.random.choice([1, 2, 3, 4, 5], 10) # 最后一个参数是生成数组的形状 print(a) # [2 2 2 2 1 1 3 5 3 3]其它函数
print(np.maximum(a, b)) print(np.minimum(a, b)) a = np.array([1, 2, 3, 4, 5]) print(a.max()) print(a.min()) print(a.mean()) print(a.argmax()) print(a.argmin()) print(a.std()) print(a.var())
a = np.arange(-5, 5, 0.6) print(a) print(np.floor(a)) # 向上取整 print(np.ceil(a)) # 向下取整 print(np.rint(a)) # 四舍五入 print(np.round(a)) # 四舍五入 print(np.trunc(a)) # 截断小数部分
