--最近自己在B站上 照着学操作的记录,保留下来,方便后期随时复习及使用
--安装anaconda软件
--在spyder上执行程序代码
--pip install numpy 安装库
--在spydedr生成ndarray数据
--列表
import numpy as np
a = np.array([1,2,3])
print(type(a))
<class 'numpy.ndarray'>
print(a)
[1 2 3]
b=np.arange(5)
print(b)
[0 1 2 3 4]
c=np.ones((10,10))
print(c)
[[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]]
c=np.ones((10,10),dtype=np.int32)
print(c)
[[1 1 1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1 1 1]]
d=np.full((5,5),'d')
print(d)
[['d' 'd' 'd' 'd' 'd']
['d' 'd' 'd' 'd' 'd']
['d' 'd' 'd' 'd' 'd']
['d' 'd' 'd' 'd' 'd']
['d' 'd' 'd' 'd' 'd']]
e=np.eye(5)
print(e)
[[1. 0. 0. 0. 0.]
[0. 1. 0. 0. 0.]
[0. 0. 1. 0. 0.]
[0. 0. 0. 1. 0.]
[0. 0. 0. 0. 1.]]
注意:以上方法生成的类型为浮点数,如果用array生成的为整数类型,如果想要修改需要创建时候指定dtype
ndarray属性
e.shape
Out[44]: (5, 5)
e.ndim
Out[45]: 2
e.size
Out[46]: 25
e.dtype
Out[47]: dtype('float64')
e.itemsize
Out[48]: 8
f=np.linspace(1,100,10,dtype=np.int32)
f
Out[56]: array([ 1, 12, 23, 34, 45, 56, 67, 78, 89, 100])
g=np.linspace(1,100,10,endpoint=False)
g
Out[58]: array([ 1. , 10.9, 20.8, 30.7, 40.6, 50.5, 60.4, 70.3, 80.2, 90.1])
h=np.concatenate((f,g))
h
Out[60]:
array([ 1. , 12. , 23. , 34. , 45. , 56. , 67. , 78. , 89. ,
100. , 1. , 10.9, 20.8, 30.7, 40.6, 50.5, 60.4, 70.3,
80.2, 90.1])
i=np.ones((2,3,4))
i
Out[62]:
array([[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]],
[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]]])
i.reshape((3,8))
Out[65]:
array([[1., 1., 1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1., 1., 1.]])
i
Out[67]:
array([[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]],
[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]]])
i.reshape((2,4))
Traceback (most recent call last):
File "", line 1, in <module>
i.reshape((2,4))
ValueError: cannot reshape array of size 24 into shape (2,4)
i.resize((3,8))
i
Out[71]:
array([[1., 1., 1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1., 1., 1.]])
i.flatten()
Out[76]:
array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,
1., 1., 1., 1., 1., 1., 1.])
i.astype(np.int)
Out[78]:
array([[1, 1, 1, 1, 1, 1, 1, 1],
[1, 1, 1, 1, 1, 1, 1, 1],
[1, 1, 1, 1, 1, 1, 1, 1]])
数组转换为list
k=np.full((2,3,4),'mpp')
k
Out[82]:
array([[['mpp', 'mpp', 'mpp', 'mpp'],
['mpp', 'mpp', 'mpp', 'mpp'],
['mpp', 'mpp', 'mpp', 'mpp']],
[['mpp', 'mpp', 'mpp', 'mpp'],
['mpp', 'mpp', 'mpp', 'mpp'],
['mpp', 'mpp', 'mpp', 'mpp']]], dtype=')
k.tolist()
Out[83]:
[[['mpp', 'mpp', 'mpp', 'mpp'],
['mpp', 'mpp', 'mpp', 'mpp'],
['mpp', 'mpp', 'mpp', 'mpp']],
[['mpp', 'mpp', 'mpp', 'mpp'],
['mpp', 'mpp', 'mpp', 'mpp'],
['mpp', 'mpp', 'mpp', 'mpp']]]
a=np.arange(24).reshape((2,3,4))
a
Out[101]:
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
a[1,0,0]
Out[102]: 12
a[:,0:2,3:4]
Out[109]:
array([[[ 3],
[ 7]],
[[15],
[19]]])
a[:,:,::2]
Out[110]:
array([[[ 0, 2],
[ 4, 6],
[ 8, 10]],
[[12, 14],
[16, 18],
[20, 22]]])
a.mean()
Out[113]: 11.5
a/2
Out[114]:
array([[[ 0. , 0.5, 1. , 1.5],
[ 2. , 2.5, 3. , 3.5],
[ 4. , 4.5, 5. , 5.5]],
[[ 6. , 6.5, 7. , 7.5],
[ 8. , 8.5, 9. , 9.5],
[10. , 10.5, 11. , 11.5]]])
a=np.arange(-24,0).reshape((2,3,4))
a
Out[125]:
array([[[-24, -23, -22, -21],
[-20, -19, -18, -17],
[-16, -15, -14, -13]],
[[-12, -11, -10, -9],
[ -8, -7, -6, -5],
[ -4, -3, -2, -1]]])
np.abs(a)
Out[126]:
array([[[24, 23, 22, 21],
[20, 19, 18, 17],
[16, 15, 14, 13]],
[[12, 11, 10, 9],
[ 8, 7, 6, 5],
[ 4, 3, 2, 1]]])
a=np.arange(24).reshape((2,3,4))
a
Out[128]:
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
b=np.sqrt(a)
b
Out[130]:
array([[[0. , 1. , 1.41421356, 1.73205081],
[2. , 2.23606798, 2.44948974, 2.64575131],
[2.82842712, 3. , 3.16227766, 3.31662479]],
[[3.46410162, 3.60555128, 3.74165739, 3.87298335],
[4. , 4.12310563, 4.24264069, 4.35889894],
[4.47213595, 4.58257569, 4.69041576, 4.79583152]]])
np.maximum(a,b)
Out[131]:
array([[[ 0., 1., 2., 3.],
[ 4., 5., 6., 7.],
[ 8., 9., 10., 11.]],
[[12., 13., 14., 15.],
[16., 17., 18., 19.],
[20., 21., 22., 23.]]])
a>b
Out[132]:
array([[[False, False, True, True],
[ True, True, True, True],
[ True, True, True, True]],
[[ True, True, True, True],
[ True, True, True, True],
[ True, True, True, True]]])