numpy数组取值,在numpy中可以使用数组对象执行一些科学计算
1. 简介
NumPy(数值Python)是Python语言的扩展库，支持大量的维数组和矩阵运算，同时也提供了大量的数组运算的数学函数库。主要的数据结构是ndarray数组。
NumPy通常与SciPy(科学Python)和Matplotlib(绘图库)一起使用。这种组合被广泛用于替代MatLab。
SciPy是一个开源的Python算法库和数学工具包。SciPy包含最优化、线性代数、积分、插值、特殊函数、快速傅立叶变换、信号处理与图像处理、常微分方程求解等模块以及其他科学与工程中常用的计算。
Matplotlib是Python编程语言及其数值数学扩展包NumPy的可视化接口。
2. 创建
创建一维数组
(1)直接创建：np.array([1，2，3，4，5，6])
(2)从python的list: np.array(list([1，2，3，4，5，6]))构建
创建具有常量值的一维数据。
(1)创建一个常数值0: np.zeros(n，dytpe=float/int)
(2)创建一个常量值1: np.ones(n)
(3)创建一个空数组：np.empty(4)
创建一个元素递增的数组。
(1)从0: np.arange(8)开始增长的增量数组
(2)给定区间，用户自定义步长：np.arange(0，1，0.2)
(3)给定区间，自定义个数：np.linspace(-1，1，50)
创建多维数组：创建一维数组，然后将其添加到多维数组中。
#无论数组中间存储了多少层数据，数组的结构都必须是np.array([])。
#二维数组相当于“两层”数组。
arr1=np.array(list([1，2，3，4，5])
ARR2=NP。Array ([ARR1，[1，0，0，1，0]]) # 2 * 5二维数组
Arr3=NP。array(list([[0，0，1，1，1]，[1，1，1，0，0]，[2，3，4，5，6]])的二维数组# 3 * 5
Arr x=np.array ([arr1，list ([1，2，3，4，5]，[1，1，1，0，0])#错误报告
Arry=np.array ([list ([[1，2，3，7，11]，[2，3，4，5，6]])，[1，2，3，4，5]]) #错误报告相关建议：《python视频教程》
创建具有常数值的(n*m)维数据
(1)创建一个常数值0: np.zeros((n*m)，dytpe=float/int)
(2)创建一个常数值1: np.ones((n*m))
(3)创建一个空数组：np.empty((n*m))
创建一个随机数数组
生成随机数种子：
(1)np.random.seed()
(2)np.random.RandomState()
生成随机数：
生成规则分布的随机数组
(1)二项分布：np.random.binomial(n，p，size)
(2)正态分布：np.random.normal(位置，规模，大小)
将csv文件转换为数组或数组。
用NP。GenFromtXT (CSV文件名，分隔符=文件中的分隔符)函数将文件转换为数组。
CSV _ array=NP . genfromtxt( sample . CSV ，分隔符=，)
打印(CSV _ array)3. 数组的变形
生成数组/矩阵转置的函数，即行列数字交换，使用。T.
a=np.array([[32，15，6，9，14]，
[12, 10, 5, 23, 1],
[2, 16, 13, 40, 37]])
印刷
-
#结果如下
[[32 12 2]
[15 10 16]
[ 6 5 13]
[ 9 23 40]
[14 1 37]]更改数组的形状：
(1) arrresize (n，m):arr。resize (n，m)函数就地修改数组，并要求元素的数量必须一致。
a=np.arange(8)
a.resize(2,4)
print(a)
---------------------------
[[0 1 2 3]
[4 5 6 7]]（2）arr.reshape(n,m)：如果某一个维度的参数为-1，则表示元素总个数会迁就另一个维度来计算
a=np.arange(8).reshape(-1,1)
将一维升至二维：np.newaxis
np.newaxis实际上是直接增加维度的意思，我们一般不会给数组增加太多维度，这里以一维增加到二维为例：
（1）增加行维度：arr[np.newaxis, :]
（2）增加列维度：arr[: , np.newaxis]
a=np.arange(8)
降维：arr.ravel()
arr.ravel()函数在降维时：默认是行序优先生成新数组（就是一行行读）；如果传入参数“F”则是列序降维生成新数组
a=np.array([[1,2],[3,4]])
4. 计算
对数组进行计算操作
（1）对元素进行加减计算
a=np.arange(8).reshape(2,4) # array([[0, 1, 2, 3], [4, 5, 6, 7]])
（2）乘法：平方／矩阵中元素相乘
a=np.arange(8).reshape(2,4) # array([[0, 1, 2, 3], [4, 5, 6, 7]])
（3）矩阵*矩阵：
# 要求a矩阵的行要等于b矩阵的列数；且a矩阵的列等于b矩阵的行数
（4）逻辑计算
【注】列表是无法作为一个整体对其中的各个元素进行逻辑判断的！
# 结果返回：一个数组，其中每个元素根据逻辑判断的布尔类型的结果
5. 取值
获取一维数组中的某个元素：操作和list列表的index一样
a = np.array([5, 2, 7, 0, 11])
获取多维数组的某个元素，某行或列值
a = np.array([[32, 15, 6, 9, 14],
获取满足逻辑运算的
# 需要注意的是，我们数据进行逻辑计算操作得到的仍然是一个数组
遍历：结果是按行输出
a = np.array([[32, 15, 6, 9, 14],
6. 复制／分割／合并
复制：arr.cope()
分割：
（1）等分：np.split(arr, n, axis=0/1)（即行数或列数可以整除n时才可以）
（2）不等分：np.array_split(arr, n) 默认按行分n份
a = np.array([[32, 15, 6, 9, 14, 21],
合并：np.concatenate((arr1,arr2,arr3), axis=0/1) 默认接在数据下面
a=np.random.rand(2,3)
以上就是Python Numpy库对数组的操作详解的详细内容，更多请关注盛行IT软件开发工作室其它相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。