ndarray元素类型转换、shape变换、元素级运算、矩阵积

python高级应用与数据分析学习笔记 08

1、ndarray元素数据类型

int 类型

image.png

float 类型

image.png

uint类型

image.png

complex类型

image.png

string类型

image.png

object类型

image.png

unicode类型

image.png

boolen类型

image.png

2、ndarray元素类型转换:使用astype函数

a = np.array([1,2,4],dtype=np.bo)
print(a,a.dtype)            #[1 2 4] int32
b = a.astype(np.string_)
print(b,b.dtype)            #[b'1' b'2' b'4'] |S11
c = a.astype(np.str_)
print(c,c.dtype)            #['1' '2' '4'] 

3、shape变换的两种方式

核心：size不变
三维数组（2,3,5） size = 2 * 3 * 5 = 30
转换成二维数组（3,10） size = 3 * 10 = 30

或者转换成二维数组（3,-1） 系统会自动计算：2 * 3 * 5 / 3 = 10

第一种方法：直接修改原数组

f = np.random.random((2,3,5))
print(f,f.shape)
# [[[ 0.47213292  0.14591814  0.59233384  0.92748321  0.5630603 ]
#   [ 0.88537607  0.85550674  0.8643711   0.10000259  0.92410171]
#   [ 0.07707875  0.54446853  0.06637628  0.75274004  0.32725236]]
#
#  [[ 0.42021855  0.31693002  0.37445413  0.53950964  0.71708008]
#   [ 0.96498739  0.99657426  0.16042028  0.57581363  0.76998479]
#   [ 0.3587095   0.09490328  0.55956659  0.3640629   0.82835561]]] (2, 3, 5)
f.shape = (3,10)
print(f.shape)   #(3, 10)

第二种方法：不直接修改原数组（新旧数组会公用一个内存空间）
f = np.random.random((2,3,5))
ff = f.reshape((3,2,5))
print(f.shape)                #(2, 3, 5)
print(ff.shape)               #(3, 2, 5)

4、元素级运算

回顾一下列表

a = [1,2,3]
b = ['aa','bb','cc']
print(a+b)             #[1, 2, 3, 'aa', 'bb', 'cc']

元素级运算：数组与数组之间的运算，要求同一个数据类型

a = np.array([1,2,3])
b = np.array([4,5,6])
print(a+b)            #[5 7 9]
print(a-b)            #[-3 -3 -3]
print(a*b)            #[ 4 10 18]
print(a/b)            #[ 0.25  0.4   0.5 ]
print(a**b)           #[  1  32 729]

5、矩阵积

a = np.array([[1,2,3],[4,5,6]])
b = np.array([[3,4,5],[10,11,12]])
print(a.shape)
print(b.shape)
b.shape = (3,2)
print(a)
print(b)
print(np.dot(a,b))

关于矩阵积的理解，推荐阮一峰老师的一篇文章http://www.ruanyifeng.com/blog/2015/09/matrix-multiplication.html