numpy总结

Numpy

杨哥 | Python | 2019年3月30日星期六
 
1、np.array( ) # 创建一个数组
( ),这个里面可以传元组 (x, y, z,…) 也可以传列表 [ x, y,z,.]
列如：
np.array( (1,2,3,4,5) )
np.array( [1,2,3,4,5] )

上面两条语句作用一样，都是生成数组 [1 2 3 4 5]

2、np.linspace(0，9，10) # 在区间 [0,9] 之间，生成10个等差数列
3、生成一些特定的数组
np.zeros( n，m ) #生成一个nm 的全零二维数组
np.ones( n，m ) # 生成一个nm 的全 1 二维数组
np.identity( n )
np.eye( n )
np.diag( np.ones( n ) )
#这三句都表示生成一个 n*n 对角线全为1 的二维数组
np.empty( n ,m )

空数组，只申请空间而不初始化，元素的值是不确定的

4、用随机数生成想要的数组形状
arr = np.arange( 0, 60, 10 ).reshapa( 2, 3 )
print( a )
结果： [ [0 10 20],
[30,40,50] ]
解释：.np.arange(0, 60, 10) #表示在0到60之间生成步长为 10的一维数组，但不包括60。
.reshape( ) 方法改变数组形状，并返回，不会改变原先数 组形状
.hape( ) 方法作用是修改原先数组,使用方法如下。
如： a.shape = (2,3) # 等号左右元素的个数要相等。
5、生成列向量的方法
arr1 = np.arange( 0, 60, 10 ).reshapa( 6 ，1) #转变成6行1列
arr2 = np.arange( 0, 60, 10 ).reshapa( -1,1 ) # 直接转成列向量
推荐使用：a = np.arange(5).reshape( -1 , 1)
6、numpy 中的函数
np.sin( a ) np.cos( a) np.sum( a )
np.floor( a ) # 所有元素向下取整，如1.9 向下取整变为1
np.ceil( a ) # 所有元素向上取整