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。