摘要：的数组对象生成一个数组输出成形式，元素由空格分割轴保存数据的维度秩轴的数量对象的属性属性说明秩，即轴的数量或维度的数量对象的尺度，对于矩阵，行列对象元素的个数，相当于中的值对象的元素类型对象中每个元素的大小，以字节为单位的元素类型数据类型说
numpy的数组对象ndarray
np.array()生成一个ndarray数组
np.array()输出成[]形式，元素由空格分割
轴(axis)：保存数据的维度
秩(rank)：轴的数量
ndarray对象的属性| 属性 | 说明 |
|---|---|
| .ndim | 秩，即轴的数量或维度的数量 |
| .shape | ndarray对象的尺度，对于矩阵，n行m列 |
| .size | ndarray对象元素的个数，相当于.shape中n*m的值 |
| .dtype | ndarray对象的元素类型 |
| .itemsize | ndarray对象中每个元素的大小，以字节为单位 |
| 数据类型 | 说明 |
|---|---|
| bool | 布尔类型，True或False |
| intc | 与C语言中的int类型一致，一般是int32或int64 |
| intp | 用于索引的整数，与C语言中ssize_t一致，int32或int64 |
| int8 | 字节长度的整数，取值:[-128, 127] |
| int16 | 16位字节长度的整数，取值:[-32768, 32767] |
| int32 | 32位字节长度的整数，取值:[-2^31, 2^31-1] |
| int64 | 64位字节长度的整数，取值:[-2^63, 2^63-1] |
| uint8 | 8位无符号整数，取值：[0,255] |
| uint16 | 16位无符号整数，取值：[0,65535] |
| uint32 | 32位无符号整数，取值：[0,2^32-1] |
| uint64 | 64位无符号整数，取值：[0,2^64-1] |
| float16 | 16位半精度浮点数：1位符号位，5位指数，10位尾数 |
| float32 | 32位半精度浮点数：1位符号位，8位指数，23位尾数 |
| float64 | 64位半精度浮点数：1位符号位，11位指数，52位尾数 |
| complex64 | 复数类型，实部和虚部都是32位浮点数 |
| complex128 | 复数类型，实部和虚部都是64位浮点数 |
x = np.array(list/tuple)2.使用numpy中函数创建ndarray数组，如：arange, ones, zeros等
x = np.array(list/tuple, dtype = np.float32)
当np.array()不指定dtype时，numpy将根据数据情况关联一个dtype类型
| 函数 | 说明 |
|---|---|
| np.arange(n) | 类似range()函数，返回ndarray类型，元素从0到n-1 |
| np.ones(shape) | 根据shape生成一个全1数组，shape是元组类型 |
| np.zeros(shape) | 根据shape类型生成一个全0数组，shape是元组类型 |
| np.full(shape,val) | 根据shape生成一个数组，每个元素值都是val |
| np.eye(n) | 创建一个正方的n*n单位矩阵，对角线为1，其余为0 |
| np.ones_like(a) | 根据数组a的形状生成一个全1数组 |
| np.zeros_like(a) | 根据数组a的形状生成一个全0数组 |
| np.full_like(a, val) | 根据数组a的形状生成一个数组，每个元素都是val |
| np.linspace() | 根据起止数据等间距地填充数据，形成数组 |
| np.concatenate() | 将两个或多个数组合并成一个新的数组 |
| 方法 | 说明 |
|---|---|
| .reshape(shape) | 不改变数组元素，返回一个shape形状的数组，原数组不变 |
| .resize(shape) | 与.reshape()功能一致，但修改原数组 |
| .swapaxes(ax1,ax2) | 将数组n个维度中的两个维度进行调换 |
| .flatten() | 对数组进行降维，返回折叠后的一维数组，原数组不变 |
new_a = a.astype(new_type)
astype()方法一定会创建新的数组（原始数据的一个拷贝），即使两个类型一致
ls = a.tolist()
Numpy一元函数对ndarray中的数据执行元素级运算的函数
| 函数 | 说明 |
|---|---|
| np.abs(x) np.fabs(x) | 计算数组各元素的绝对值 |
| np.sqrt(x) | 计算数组各元素的平方根 |
| np.square(x) | 计算数组各元素的平方 |
| np.log(x) np.log10(x) np.log2(x) | 计算数组各元素的自然对数、10底对数和2底对数 |
| np.ceil(x) np.floor(x) | 计算数组各元素的ceiling值或floor值 |
| np.rint(x) | 计算数组各元素的四舍五入值 |
| np.modf(x) | 将数组各元素的小数和整数部分以两个独立数组的形式返回 |
| np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x) | 计算各元素的普通型和双曲型三角函数 |
| np.exp(x) | 计算数组各元素的指数值 |
| np.sign(x) | 计算数组各元素的符号值，1(+),0,-1(-) |
| 函数 | 说明 |
|---|---|
| + -* / ** | 两个数组各元素进行对应运算 |
| np.maximum(x,y) np.fmax() | 元素级的最大值计算 |
| np.minimum(x,y) np.fmin() | 元素级的最小值计算 |
| np.mod(x,y) | 元素级的模运算 |
| np.copysign(x,y) | 将数组y中各元素值的符号赋值给数组x对应元素 |
| > < >= <= == != | 算术比较，产生布尔型数组 |
1.np.savetxt(frame, array, fmt="%.18e", delimiter=None)
frame:文件、字符串或产生器，可以是.gz或.bz2的压缩文件
array:存入文件的数组
fmt:写入文件的格式， 例如：%d %.2f %.18e
delimiter:分割字符串，默认是任何空格
2.np.loadtxt(frame, dtype=np.float, delimiter=None, unpack=False)
frame:文件、字符串或产生器，可以是.gz或.bz2的压缩文件
dtype:数据类型，可选
delimiter:分割字符串，默认是任何空格
unpack:如果是True，读入属性将分别写入不同变量
3.CSV文件的局限性
CSV只能有效存储一维和二维数组
np.savetxt() np.loadtxt()只能有效存取一维和二维数组
多维数据的存取1. a.tofile(frame, sep="", format="%s")
frame:文件、字符串
sep:数据分割字符串，如果是空串，写入文件为二进制
format:写入数据的格式
2. np.fromfile(frame, dtype=float, count=-1, sep="")
frame:文件、字符串
dtype:读取的数据类型
count:读取元素个数、-1表示读取整个文件
sep:数据分割字符串，如果是空串，写入文件为二进制
注意：该方法需要读取时知道存入文件时数组的维度和元素类型，a.tofile()和np.fromfile()需要配合使用
1. np.save(fname, array)或np.savez(fname, array)
fname:文件名，以.npy为拓展名，压缩拓展名为.npz
array:数组变量
2.np.load(fname)
fname:文件名，以.npy为拓展名，压缩拓展名为.npz
Numpy的随机数函数(np.random)| 函数 | 说明 |
|---|---|
| rand(d0,d1,...,dn) | 根据d0-dn创建随机数数组，浮点数，[0,1)，均匀分布 |
| randn(d0,d1,...,dn) | 根据d0-dn创建随机数数组，标准正态分布 |
| randint(low, high, shape) | 根据shape创建随机整数或整数数组，范围是[low,high) |
| seed(s) | 随机数种子，s是给定的种子值 |
| shuffle(a) | 根据数组a的第一轴进行随机排列，改变数组x |
| permutation(a) | 根据数组a的第一轴产生一个新的乱序数组，不改变数组x |
| choice(a,size,replace,p) | 从一维数组a中以概率p抽取元素，形成size形状新数组，replace表示是否可以重用元素，默认为False |
| uniform(low,high, size) | 产生具有均匀分布的数组,low起始值,high结束值,size形状 |
| normal(loc,scale,size) | 产生具有正态分布的数组,loc均值,scale标准差,size形状 |
| poisson(lam, size) | 产生具有泊松分布的数组,lam随机事件发生率,size形状 |
| 函数 | 说明 |
|---|---|
| sum(a, axis=None) | 根据给定轴axis计算数组a相关元素之和，axis整数或元组 |
| mean(a, axis=None) | 根据给定轴axis计算数组a相关元素的期望，axis整数或元组 |
| average(a, axis=None, weights=None) | 根据给定轴axis计算数组a相关元素的加权平均值 |
| std(a, axis=None) | 根据给定轴axis计算数组a相关元素的标准差 |
| var(a, axis=None) | 根据给定轴axis计算数组a相关元素的方差 |
| min(a) max(a) | 计算数组a中元素的最小值、最大值 |
| argmin(a) argmax(a) | 计算数组a中元素最小值、最大值的降一维后的下标 |
| unravel_index(index, shape) | 根据shape将一维下标index转换成多维下标 |
| ptp(a) | 计算数组a中元素最大值与最小值的差 |
| median(a) | 计算数组a中元素的中位数（中值） |
| 函数 | 说明 |
|---|---|
| np.gradient(f) | 计算数组f中元素的梯度，当f为多维时，返回每个维度的梯度 |
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/44864.html
摘要：和的的区别和的的区别返回列表，返回迭代器，节约内存当后面没有元素可以的时候，弹出错误等是可迭代的但不是迭代器，因为函数无法调用它们。等是可迭代的但不是迭代器，因为函数无法调用它们。 ...
摘要：作为一个正奋战在之路上的球迷，开始了一次数据分析实战，于是，以分析球赛数据为起点的操作开始了前言作为一个功能强大的编程语言，如今在数据分析机器学习人工智能等方面如日中天。 Casey 岂安业务风险分析师主要负责岂安科技RED.Q的数据分析和运营工作。 12月19日，科比再次站在斯台普斯中心球馆中央，见证自己的两件球衣高悬于球馆上空。作为一个正奋战在 Python 之路上的球迷，...
摘要：有部分前端人员使用的是盗版的。非编程相关其它一些我使用的，但与编程关系不大的正版工具。尊重别人，更是尊重自己做为一个程序员，使用正版，我认为这不是自做清高的事情，这是对自己职业的一种基本尊重。 ...
摘要：在下面的例子中，我们创建了一个二维数组并插入了两列输出如果没有使用参数，则会输出这就是数组结构的扁平化。下面的例子中我们从二维数组中删除了一行输出在方法中，首先给出数组，然后给出要删除的元素的索引。数组被传递给函数。 NumPy 是一个Python 库，用于 Python 编程中的科学计算。在本教程中，你将学习如何在 NumPy 数组上以多种方式添加、删除、排序和操作元素。 NumPy...
摘要：在下面的例子中，我们创建了一个二维数组并插入了两列输出如果没有使用参数，则会输出这就是数组结构的扁平化。下面的例子中我们从二维数组中删除了一行输出在方法中，首先给出数组，然后给出要删除的元素的索引。数组被传递给函数。 NumPy 是一个Python 库，用于 Python 编程中的科学计算。在本教程中，你将学习如何在 NumPy 数组上以多种方式添加、删除、排序和操作元素。 NumPy...
阅读 5504·2021-11-22 15:32
阅读 581·2021-11-11 16:54
阅读 2968·2021-10-13 09:40
阅读 1896·2021-09-03 10:35
阅读 1634·2021-08-09 13:47
阅读 1697·2019-08-30 15:55
阅读 1834·2019-08-30 15:43
阅读 2325·2019-08-29 17:06
