numpy创建数组(矩阵)
创建数组
import numpy as np
a = np.array([1, 2, 3, 4, 5])
b = np.array(range(1, 6))
c = np.arange(1, 6) # np.arange用法：arange(start,stop,step,dtype=None)数组的类名和数据的类型
In [1]: type（a）
Out[1]: numpy.ndarray
In [2]: a.dtype
Out[2]: dtype('int64') # 常见类型有int,uint(8,16,32,64),float(16,32,64,128),complex(64,128,256),bool数据类型的操作
a = np.array([1,0,1,0], dtype=np.bool) # 创建数组时指定数据类型
a.astype(np.int8) # 修改数组的数据类型
b = np.array([0.0485,0.2689,1.8567,0.8754])
np.round(b, 2) # 修改浮点型小数位数数组的形状
a.shape # 查看数组形状
a.reshape(2,2) # 修改数组形状
a.flatten（） # 把多维数组转化为一维数组数组的计算
数组和数的计算
a = np.array([1, 2, 3, 4, 5])
b = a + 1 # 按位相加
c = a * 3 # 按位相乘数组与数组的计算
a = np.array([[1, 2, 3, 4],
[5, 6, 7, 8]])
b = np.array([[1, 1, 1, 1],
[1, 1, 1, 1]])
c = np.array([1, 1, 1, 1])
d = np.array([[1],
[1]])
O1 = a + b # 形状相同按位相加
O2 = a + c
O3 = a + d # 形状不同，只有满足广播原则才可计算，O1=O2=O3数组的转置
a.transpose()
a.swapaxes(1,0)
a.T以上的三种方法都可以实现二维数组的转置的效果，转置和交换轴的效果一样。
numpy索引和切片
a[1,:] # 取一行，可简写为a[1]
a[:,2] # 取一列
a[1:3,:] # 取连续多行，可简写为a[1：3]
a[:,2:4] # 取连续多列
a[[1,3],:] # 取离散多行，可简写为a[[1,3]]
a[:,[2,4]] # 取离散多行
a[a<2] # bool索引
np.where(a<2,0,4) # 三元运算符,满足条件1替换为0，不满足替换为4
a.clip(2,3) # 裁剪，大于3替换为3，小于2替换为2numpy中的nan和inf
nan(NAN,Nan):not a number，表示不是一个数字，type类型为float。（两个nan是不相等的）
inf:infinity，inf表示正无穷，-inf表示负无穷，type类型为float
np.count_nonzero(a!=a) # 判断a中nan个数
np.isnan(a) # 判断是否为nan，返回bool类型
a[np.isnan(a)] = 0 # nan 替换为0numpy中常用统计函数
求和：t.sum(axis=None)
均值：t.mean(axis=None)
中值：np.median(t,axis=None)
最大值：t.max(axis=None)
最小值：t.min(axis=None)
极值：np.ptp(t,axis=None) 即最大值和最小值之差
标准差：t.std(axis=None)
默认返回多维数组的全部的统计结果,如果指定axis则返回一个当前轴上的结果
数组的拼接
np.vstack(a,b) # 竖直拼接
np.hstack(a,b) # 水平拼接数组的行列交换
a[[1,2],:] = a[[2,1],:] # 行交换
a[:,[0,2]] = a[:,[2,0]] # 列交换其他实用方法
1.获取最大值最小值的位置
np.argmax(t,axis=0)
np.argmin(t,axis=1)
2.创建一个全0的数组: np.zeros((3,4))
3.创建一个全1的数组:np.ones((3,4))
4.创建一个对角线为1的正方形数组(方阵)：np.eye(3)
5.numpy生成随机数
注意：numpy的copy和view
- a=b 完全不复制，a和b相互影响
- a = b[:],视图的操作，一种切片，会创建新的对象a，但是a的数据完全由b保管，他们两个的数据变化是一致的，
a = b.copy(),复制，a和b互不影响
本次分享就到这啦，如果对您有帮助的话，麻烦点个关注再走哦~