numpy常用方法总结

一、numpy创建数组的几种方法

1. 创建一个 ndarray 只需调用 NumPy 的 array 函数即可： 

   numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
   参数说明：
   名称	描述
   object	数组或嵌套的数列
   dtype	数组元素的数据类型，可选
   copy	对象是否需要复制，可选
   order	创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
   subok	默认返回一个与基类类型一致的数组
   ndmin	指定生成数组的最小维度

   import numpy as np
   
   a = [[1,2,3,4,5],[6,7,8,9,10]]
   a = np.array(a)
   
   print(a)
   
   [[ 1  2  3  4  5]
    [ 6  7  8  9 10]]

    

2. numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：

   numpy.empty(shape, dtype = float, order = 'C')

   import numpy as np
   
   b = [[1,2],[3,4]]
   b = np.array(b)
   
   a = np.empty(b.shape)#np.empty((2,2))
   print(a)
   
   [[1.87062952e-077 3.21450328e+164]
    [1.85692977e+216 1.99392236e-077]]

    

3. numpy.zeros 创建指定大小的数组，数组元素以 0 来填充：

   numpy.zeros(shape, dtype = float, order = 'C')

    

4. numpy.ones  创建指定形状的数组，数组元素以 1 来填充：

   numpy.ones  创建指定形状的数组，数组元素以 1 来填充：

    

5. numpy.arange()

   a=np.arange(5)
   print(a)
   
   
   [0 1 2 3 4]

    

二、np.concatenate() 对数组拼接

a=np.array([1,2,3])
b=np.array([11,22,33])
c=np.array([44,55,66])
print (np.concatenate((a,b,c),axis=0))  # 默认情况下，axis=0可以不写
[ 1  2  3 11 22 33 44 55 66]

a=np.array([[1,2,3],[4,5,6]])
b=np.array([[11,21,31],[7,8,9]])
print(np.concatenate((a,b),axis=1))
[[ 1  2  3 11 21 31]
 [ 4  5  6  7  8  9]]

 三、numpy.flatnonzero()

numpy.flatnonzero(y_train == y)  
Y_train是一个ndarrau对象，
y是Y_train中的一个元素值， 
该函数返回Y_train中元素值为y的下标集合


import numpy as np
a = [2,3,1,5,4,1,1,2]
a = np.array(a)

print(np.flatnonzero(a == 1))

[2 5 6]

四、numpy.random.choice()

np.random.choice(idxs, 7, replace=False)#在idxs中随机选择七个元素

五、numpy.argsort()

np.argsort(b)   把b中的元素从小到大排列，返回下标
b = [5,2,2,1,6]
print(np.argsort(b))
[3 1 2 0 4]