numpy.array常用API

1.np.array构造函数

用法:np.array([1,2,3,4,5])

1.1 numpy array 和 python list 有什么区别?

标准Python的列表(list)中,元素本质是对象。如:L = [1, 2, 3],需要3个指针和三个整数对象,对于数值运算比较浪费内存和CPU。因此,Numpy提供了ndarray(N-dimensional array object)对象:存储单一数据类型的多维数组。

1.2 如何强制生成一个 float 类型的数组

d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.float)

1.3 使用astype(int)对上述 array 进行强制类型转换

d.astype(int)

1.4.dtype 和type 的区别是什么

type(d) 和 d.dtype 一个返回的是d 的数据类型 nd.array 另一个返回的是数组中内容的数据类型

2. arange

用法 :np.arange(0,10) // 生成[0,1,2,3,4,5,6,7,8,9] 左开右闭不包括10

2.1.arange 和python 的range 函数的区别是什么

arange可以生成浮点类型,而range只能是整数类型

3. reshape

np.arange(1,10).reshape((3,3)) 从(3,4)改为(4,3)并不是对数组进行转置,而只是改变每个轴的大小,数组元素在内存中的位置并没有改变

reshape(-1,1) 任一行一列

4. 构造等差数列

np.linspace(1, 10, 10)

#构造等差数列 开始值,结束值,共几个数字

#包括终止值 [1,2,3,4,5,6,7,8,9,10]

#可以通过选项配置其不包括终止值

c=np.linspace(1, 10, 10, endpoint=False)

5.构造等比数列

np.logspace(1,4,4,base=2,endpoint=True)

6.随机数生成

6.1随机生成(4*4)个0-10的数的二维数组

np.random.randint(a, b, size=(c, d))

6.2.随机生成 0-1的10个数字

np.random.rand

7.np.array 的数组切片

a.切片规则 [三冒号规则]

[开始:结尾:步长]

b.开始为-1

a[-1] 取最后一个

a = [0,1,2,3,4,5,6,7]

a[-1] = 7

c.结尾为-1(开始必须为大于等于0的数)

a[2:-1] = [2,3,4,5,6]

d.步长为-1,意味着反转

a[::-1]=[7,6,5,4,3,2,1]

8.特殊矩阵的生成

np.ones((3,3))、np.zeros((3,3))、np.eye(1,1) 奇怪的是 eye 为啥不接收元祖作为参数呢?晕 eye 也没有 写成eye
还有 a=[1,2,3] np.diag(a) 是生成1,2,3 为对角线的方阵

9.数组的运算及矩阵的运算

a.数组的相加,相当的随意,不用一样的行和列
a = np.array([1,2,3,4,5])
b = a.reshape(-1,1)
a+b 返回的是一个 5*5 的矩阵
b.矩阵的加法必须是行列相同
a = np.matrix(np.array([[1,2,3],[2,1,3]]));
a.T 表示转置 a.I 表示逆矩阵
c.对应元素相乘用 multiple ,矩阵相乘可直接写,但行和列要相等

a1=mat([1,1]);
a2=mat([2,2]);
a3=multiply(a1,a2)

你可能感兴趣的:(python,numpy.array)