python中numpy的知识点总结Word文件下载.docx
《python中numpy的知识点总结Word文件下载.docx》由会员分享,可在线阅读,更多相关《python中numpy的知识点总结Word文件下载.docx(8页珍藏版)》请在冰豆网上搜索。
Out[6]:
array([1,2])
np.sum(x<
3)
Out[7]:
2
y=np.array([[1,2,3,4,5],[6,7,8,9,10]])
y
Out[8]:
array([[1,
2,
3,
4,
5],
[6,
7,
8,
9,10]])
x==y[0,]
Out[9]:
True,
#两个数组比较
a1=np.arange(9).reshape(3,3)
a2=np.arange(9,0,-1).reshape(3,3)
a1<
a2
Out[10]:
array([[True,
True],
[True,
True,False],
[False,False,False]])
#####数据的切片选择(开始位,结束位,步长)
#位置值从0开始的
x=np.arange(0,10)
x[4:
6]
Out[11]:
array([4,5])
#从0开始,步长为2的数据,:
:
表示所有数据
x[:
2]
Out[12]:
array([0,2,4,6,8])
#倒序
-1]
Out[13]:
array([9,8,7,6,5,4,3,2,1,0])
#取前6个数据
Out[14]:
array([0,1,2,3,4,5])
#从第2的位置开始选
x[2:
]
Out[15]:
array([2,3,4,5,6,7,8,9])
#二维数据的切片处理,生成0-15的数字,4行4列
y=np.arange(0,16).reshape(4,4)
Out[16]:
array([[0,
1,
3],
[4,
5,
6,
7],
[8,
9,10,11],
[12,13,14,15]])
#y[行,列],取所有行和第二列与第三列
y[:
1:
3]
Out[17]:
2],
[5,
6],
[9,10],
[13,14]])
y[1:
3,2:
4]
Out[18]:
array([[6,
[10,11]])
#y[:
:
]中的:
表示取所有
y[[1,3],:
Out[19]:
array([[4,
####数据的维度变化#####
x=np.arange(0,9)
y=x.reshape(3,3)
Out[20]:
array([[0,1,2],
[3,4,5],
[6,7,8]])
Out[21]:
#返回一个新的数组,不是修改原来的数组
y.reshape(9)
Out[22]:
array([0,1,2,3,4,5,6,7,8])
Out[23]:
#修改数据
reshaped=y.reshape(np.size(y))
raveled=y.ravel()#将数据展开成一维的
reshaped[2]=1000
raveled[5]=2000
Out[24]:
array([[
0,
1,1000],
[
3,
4,2000],
6,
8]])
y=np.arange(0,9).reshape(3,3)
flattened=y.flatten()#将数据展开成一维的
flattened[0]=1000
flattened
Out[25]:
array([1000,
8])
flattened.shape=(3,3)
Out[26]:
array([[1000,
#数据的转置
flattened.T
Out[27]:
1,
2,
####数据的合并处理####
a=np.arange(9).reshape(3,3)
b=(a+1)*10
a
Out[28]:
b
Out[29]:
array([[10,20,30],
[40,50,60],
[70,80,90]])
#水平方向
np.hstack((a,b))
Out[30]:
2,10,20,30],
[3,
5,40,50,60],
8,70,80,90]])
#垂直方向
np.vstack((a,b))
Out[31]:
8],
[10,20,30],
#axis=1横轴方向,axis=0竖轴方向
np.concatenate((a,b),axis=1)
Out[32]:
#每列相互拼接
np.dstack((a,b))
Out[33]:
array([[[0,10],
[1,20],
[2,30]],
[[3,40],
[4,50],
[5,60]],
[[6,70],
[7,80],
[8,90]]])
#两列拼接
one_d_a=np.arange(5)
one_d_b=(one_d_a+1)*10
np.column_stack((one_d_a,one_d_b))
Out[36]:
array([[0,10],
[1,20],
[2,30],
[3,40],
[4,50]])
##行叠加
np.row_stack((one_d_a,one_d_b))
Out[37]:
4],
[10,20,30,40,50]])
####通用函数####
m=np.arange(10,19).reshape(3,3)
print(m)
print("
{0}minoftheentirematrix"
.format(m.min()))
{0}maxofentirematrix"
.format(m.max()))
##最小值、最大值的位置
{0}positionoftheminvalue"
.format(m.argmin()))
{0}positionofthemaxvalue"
.format(m.argmax()))
#每列、每行的最小值
{0}minsdowneachcolumn"
.format(m.min(axis=0)))
{0}minsacrosseachrow"
.format(m.min(axis=1)))
#每列、每行的最大值
{0}maxsdowneachcolumn"
.format(m.max(axis=0)))
{0}maxsacrosseachrow"
.format(m.max(axis=1)))
[[101112]
[131415]
[161718]]
10minoftheentirematrix
18maxofentirematrix
0positionoftheminvalue
8positionofthemaxvalue
[101112]minsdowneachcolumn
[101316]minsacrosseachrow
[161718]maxsdowneachcolumn
[121518]maxsacrosseachrow
#平均值,标准差,方差
Out[41]:
array([1,2,3,4,5,6,7,8,9])
a=np.arange(1,10)
a.mean(),a.std(),a.var()
Out[39]:
(5.0,2.581988897471611,6.666666666666667)
#求和,乘积
a.sum(),a.prod()
Out[40]:
(45,362880)
#累加和,累加乘
a.cumsum(),a.cumprod()
Out[42]:
(array([1,
6,10,15,21,28,36,45],dtype=int32),
array([
24,
120,
720,
5040,
40320,
362880],dtype=int32))