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））
升级会员 