import numpy as np
- np.version
- 导入numpy并查看版本
np对象
-
np.array()
- 括号内放入列表
-
nd.dtype
- 数组中的元素的类型
-
对象名.shape
- 数据的形状
-
np.argwhere(workclass"Local-gov")
- 找下标
-
np.ones(shape,dtype=None,order='C')
- 创建元素为1的数组
- 参数shape数据的形状传一个元组，元组的第0个元素代表第0维中的元素个数，依次类推
-
np.zeros(shape,dtype="float",order="C")
- 创建元素为0的数组
- 参数shape数据的形状传一个元组，元组的第0个元素代表第0维中的元素个数，依次类推
-
np.full(shape,fill_value,dtype=None)
- 创建元素为fill_value的数组
- 参数shape数据的形状传一个元组，元组的第0个元素代表第0维中的元素个数，依次类推
-
np.eye(N,M,k=0,dtype='float')
- 对角线为1，其他为0的二维数组
-
np.linspace(start,stop,num=50)
- 从开始到结束平均分成50份
-
np.arange([start,]stop,[step,]dtype=None) "[]"中是可选项
- 开始到结束跳X
-
np.random.randint(low,high=None,size=None,dtype='I')
- low下限 high上限 size形状（元组）
-
np.random.randn(d0,d1,...,dn)
- 从第一维度到第n维度生成一个数组，数组中的数字符合标准正态分布
-
np.random.normal(loc=0.0,scale=1.0,size=None)
- 非标准正态分布
-
np.random.random(size=None)
- 生成0-1之间的浮点数
属性
- 变量名.ndim
- 维度
- 变量名.size
- 大小
- 变量名.shape
- 形状
- 变量名.dtype
- 元素类型
- 变量名.itemsize
- 每项大小
- 变量名.data
- 数据
- 变量名.reshape()
- resize()和reshape()都是对数组进行变形，resize()是在原来数组上直接变形，reshape()生成一个新的数组
- 变形的时候，新数组的总元素个数要和原来的保持一致
- 变量名.resize()
- resize()和reshape()都是对数组进行变形，resize()是在原来数组上直接变形，reshape()生成一个新的数组
- 变形的时候，新数组的总元素个数要和原来的保持一致
级联
- np.concatenate([nd1,nd2],axis=1)
- 参数一，参与级联的那些数组；参数二，级联的维度
- np.hstack()
- 把列数组改成一个行数组（把所有行上数组拼接成一个一行的数组）
- np.vstack()
- 把一个单行的数组拆成多行（每个行上只有一个数字）
切分
- np.split()
- axis=0切行,1切列
- np.vsplit()
- 纵向上切分 参数和横向类似
- np.hsplit()
- 代表在水平方向切分
- 参数一，被切的数组 参数二，切分点（列表，在切分点前切分）
- 变量名.copy()
- 用copy()函数对数组对象创建副本
聚合操作
- np.sum(nd,axis=0)
- 0把行按照列标对应加起来
- 1把列按照对应行标加起来
- np.max(nd,axis=0)
- 无axis，求所有和，结果为一个数组
- 0求每个列里面最大值
- 1求每一行里面的最大值
- np.argmax(nd,axis=0)
- 0在列上求最大值并返回最大值的行标
- 1在每个行上求最小值返回列标
- np.nansum(nd)
- 以nan开头的聚合方法，可在聚合运算的直接把nan剔除
- np.argsort(nd[:,3])
- 排序并且返回排序以后的下标序列
矩阵操作
- np.dot(nd1,nd2)
- 矩阵积
排序
- nd.sort()
- 改变原来的数组
- np.sort(nd)
- 不会改变原来的数组，而是生成一个新的数组
-
常用
- np.meshgrid(xnums,ynums)
In [65]: xnums =np.arange(4)
In [66]: ynums =np.arange(5)
In [67]: xnums
Out[67]: array([0,1, 2, 3])
In [68]: ynums
Out[68]: array([0,1, 2, 3, 4])
In [69]: data_list= np.meshgrid(xnums,ynums)
In [70]: data_list
Out[70]:
[array([[0, 1, 2,3],
[0, 1, 2, 3],
[0, 1, 2, 3],
[0, 1, 2, 3],
[0, 1, 2, 3]]), array([[0, 0, 0, 0],
[1, 1, 1, 1],
[2, 2, 2, 2],
[3, 3, 3, 3],
[4, 4, 4, 4]])]
- x.ravel()
x = np.array([[1, 2], [3, 4]])
>>> x.ravel()
array([1, 2, 3, 4])
-
np.c_和np.r_
import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.c_[a,b]
print(np.r_[a,b])
print(c)
print(np.c_[c,a])
结果
[1 2 3 4 5 6]
[[1 4]
[2 5]
[3 6]]
[[1 4 1]
[2 5 2]
[3 6 3]]