- 创建数组
- 初始化占位符
- 零矩阵
- 1矩阵
- 均匀间隔数组
- 数据类型
- 数组信息
- 数组计算
- 算术运算
- 比较
- 聚合函数
- 数组复制
- 数组排序
#创建数组 a=np.array([1,2,3]) b=np.array([(1,5,2,3),(4,5,6,7)],dtype=np.float32) c=np.array([[(1,5,2,3),(4,5,6,7)],[(3,2,1,0),(4,5,6,7)]],dtype=np.float32) print(a,'n',b,'n',c) [1 2 3] [[1. 5. 2. 3.] [4. 5. 6. 7.]] [[[1. 5. 2. 3.] [4. 5. 6. 7.]] [[3. 2. 1. 0.] [4. 5. 6. 7.]]]初始化占位符 零矩阵
np.zeros((3,4))#创建3*4的0矩阵1矩阵
np.ones((2,3,4),dtype=np.int16)#创建2*3*4的矩阵，第一个2为通道数
array([[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]],
[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]]], dtype=int16)
均匀间隔数组
d=np.arange(10,25,5)#均匀间隔数组，步进值为5 np.linspace(0,2,9)#创建均匀间隔数组，使用样本数进行分割数组数据类型
| 数据类型 | |
|---|---|
| np.int64 | 带符号64位 |
| np.float | 双精度浮点数 |
| np.complex | 复数 |
| np.bool | bool值 |
| np.object | Python对象 |
| np.string_ | 固定长度字符串 |
| np.unicode_ | 固定长度Unicode |
a.shape len(a) b.ndim e.size b.dtype b.dtype.name b.astype(int)数组计算 算术运算
| a-b/np.subtract(a,b) | |
| a+b/np.add(a,b) | |
| a/b/np.divide(a,b) | |
| a*b/np.multiply(a,b) | |
| np.exp(a) | |
| np.sqrt(a) | |
| np.sin(a)/np.cos(a) | |
| np.log(a) | |
| a.dot(b) | 点积 |
a=np.array([1,2,3,4]) b=np.array([3,4,5,1]) 1.a==b [False False False False] 2.a<2 [ True False False False] 3.np.array_equal(a,b) False聚合函数
| 函数 | 描述 |
|---|---|
| a.sum() | 数组汇总 |
| a.min() | 数组最小值 |
| a.max(axis=0) | 按行求最大值 |
| a.cumsum(axis=1) | 按列进行累加 |
| a.mean() | 平均数 |
| a.median() | 中位数 |
| a.corrcoef() | 求相关系数 |
| np.std(a) | 标准差 |
h=a.view()创建同一数组视图，此时改变a，h会随之改变，也被称作浅拷贝
h=a.copy()创建数组的深度拷贝
数组排序a.sort()
a.sort(axis=0)以行为依据对数组排序
