| 函數(shù) | 描述 |
| np.array([x,y,z],dtype=int) | 從Python列表和元組中創(chuàng)建數(shù)組 |
| np.arange(x,y,i) | 創(chuàng)建一個(gè)由x到y(tǒng)，以i為步長(zhǎng)的數(shù)組 |
| np.linspace(x,y,n) | 創(chuàng)建一個(gè)由x到y(tǒng)，等分成n個(gè)元素的數(shù)組 |
| np.indices((m,n)) | 創(chuàng)建一個(gè)m行n列的矩陣 |
| np.random.rand(m,n) | 創(chuàng)建一個(gè)m行n列的隨機(jī)數(shù)組 |
| np.ones((m,n),dtype) | 創(chuàng)建一個(gè)m行n列全1的數(shù)組，dtype是數(shù)據(jù)類型 |
| np.empty((m,n),dtype) | 創(chuàng)建一個(gè)m行n列全0的數(shù)組，dtype是數(shù)據(jù)類型 |
import numpy as np
a1 = np.array([1,2,3,4,5,6])
a2 = np.arange(1,10,3)
a3 = np.linspace(1,10,3)
a4 = np.indices((3,4))
a5 = np.random.rand(3,4)
a6 = np.ones((3,4),int)
a7 = np.empty((3,4),int)
print(a1)
print("===========================================================")
print(a2)
print("===========================================================")
print(a3)
print("===========================================================")
print(a4)
print("===========================================================")
print(a5)
print("===========================================================")
print(a6)
print("===========================================================")
print(a7)
=================================================================================
[1 2 3 4 5 6]
===========================================================
[1 4 7]
===========================================================
[ 1. 5.5 10. ]
===========================================================
[[[0 0 0 0]
[1 1 1 1]
[2 2 2 2]]
[[0 1 2 3]
[0 1 2 3]
[0 1 2 3]]]
===========================================================
[[0.00948155 0.7145306 0.50490391 0.69827703]
[0.18164292 0.78440752 0.75091258 0.31184394]
[0.17199081 0.3789 0.69886588 0.0476422 ]]
===========================================================
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
===========================================================
[[0 0 0 0]
[0 0 0 0]
[0 0 0 0]]
在建立一個(gè)簡(jiǎn)單的數(shù)組后，可以查看數(shù)組的屬性
| 屬性 | 描述 |
| ndarray.ndim | 數(shù)組軸的個(gè)數(shù)，也被稱為秩 |
| ndarray.shape | 數(shù)組在每個(gè)維度上大小的整數(shù)元組 |
| ndarray.size | 數(shù)組元素的總個(gè)數(shù) |
| ndarray.dtype | 數(shù)組元素的數(shù)據(jù)類型，dtype類型可以用于創(chuàng)建數(shù)組 |
| ndarray.itemsize | 數(shù)組中每個(gè)元素的字節(jié)大小 |
| ndarray.data | 包含實(shí)際數(shù)組元素的緩沖區(qū)地址 |
| ndarray.flat | 數(shù)組元素的迭代器 |
import numpy as np
a6 = np.ones((3,4),int)
print(a6)
print("=========================================")
print(a6.ndim)
print("=========================================")
print(a6.shape)
print("=========================================")
print(a6.size)
print("=========================================")
print(a6.dtype)
print("=========================================")
print(a6.itemsize)
print("=========================================")
print(a6.data)
print("=========================================")
print(a6.flat)
=================================================================================
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
=========================================
2
=========================================
(3, 4)
=========================================
12
=========================================
int32
=========================================
4
=========================================
memory at 0x0000020D79545908>
=========================================
numpy.flatiter object at 0x0000020D103B1180>
數(shù)組在numpy中被當(dāng)做對(duì)象，可以采用 a >. b >()方式調(diào)用一些方法。
ndarray類的形態(tài)操作方法
| 方法 | 描述 |
| ndarray.reshape(n,m) | 不改變數(shù)組ndarray，返回一個(gè)維度為（n,m）的數(shù)組 |
| ndarray.resize(new_shape) | 與reshape（）作用相同，直接修改數(shù)組ndarray |
| ndarray.swapaxes(ax1,ax2) | 將數(shù)組n個(gè)維度中任意兩個(gè)維度進(jìn)行調(diào)換 |
| ndarray.flatten() | 對(duì)數(shù)組進(jìn)行降維，返回一個(gè)折疊后的一維數(shù)組 |
| ndarray.ravel() | 作用同np.flatten（），但返回的是一個(gè)視圖 |
ndarray類的索引和切片方法
| 方法 | 描述 |
| x[i] | 索引第i個(gè)元素 |
| x[-i] | 從后向前索引第i個(gè)元素 |
| x[n:m] | 默認(rèn)步長(zhǎng)為1，從前向后索引，不包含m |
| x[-m:-n] | 默認(rèn)步長(zhǎng)為1，從前向后索引，結(jié)束位置為n |
| x[n: m :i] | 指定i步長(zhǎng)的由n到m的索引 |
除了ndarray類型方法外，numpy庫(kù)提供了一匹運(yùn)算函數(shù)
| 函數(shù) | 描述 |
| np.add(x1,x2[,y]) | y = x1 + x2 |
| np.subtract(x1,x2[,y]) | y = x1 -x2 |
| np.multiply(x1,x2[,y]) | y = x1 * x2 |
| np.divide(x1,x2[,y]) | y = x1 /x2 |
| np floor_divide(x1,x2[,y]) | y = x1 // x2 |
| np.negative(x[,y]) | y = -x |
| np.power(x1,x2[,y]) | y = x1 ** x2 |
| np.remainder(x1,x2[,y]) | y = x1 % x2 |
numpy庫(kù)的比較運(yùn)算函數(shù)
| 函數(shù) | 符號(hào)描述 |
| np.equal(x1,x2[,y]) | y = x1 == x2 |
| np.not_equal(x1,x2[,y]) | y = x1 != x2 |
| np.less(x1,x2,[,y]) | y = x1 x2 |
| np.less_equal(x1,x2,[,y]) | y = x1 = x2 |
| np.greater(x1,x2,[,y]) | y = x1 > x2 |
| np.greater_equal(x1,x2,[,y]) | y >= x1 >= x2 |
| np.where(condition[x,y]) | 根據(jù)條件判斷是輸出x還是y |
numpy庫(kù)的其他運(yùn)算函數(shù)
| 函數(shù) | 描述 |
| np.abs(x) | 計(jì)算濟(jì)源元素的整形、浮點(diǎn)、或復(fù)數(shù)的絕對(duì)值 |
| np.sqrt(x) | 計(jì)算每個(gè)元素的平方根 |
| np.squre(x) | 計(jì)算每個(gè)元素的平方 |
| np.sign(x) | 計(jì)算每個(gè)元素的符號(hào)1（+），0，-1（-） |
| np.ceil(x) | 計(jì)算大于或等于每個(gè)元素的最小值 |
| np.floor(x) | 計(jì)算小于或等于每個(gè)元素的最大值 |
| np.rint(x[,out]) | 圓整，取每個(gè)元素為最近的整數(shù)，保留數(shù)據(jù)類型 |
| np.exp(x[,out]) | 計(jì)算每個(gè)元素的指數(shù)值 |
| np.log(x),np.log10(x),np.log2(x) | 計(jì)算自然對(duì)數(shù)（e），基于10，,2的對(duì)數(shù)，log（1+x） |
到此這篇關(guān)于Python基礎(chǔ)之numpy庫(kù)的使用的文章就介紹到這了,更多相關(guān)Python numpy庫(kù)的使用內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
標(biāo)簽：宿遷 欽州 黃山 三沙 濟(jì)南 臺(tái)灣 景德鎮(zhèn) 喀什
巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《Python基礎(chǔ)之numpy庫(kù)的使用》，本文關(guān)鍵詞 Python,基礎(chǔ),之,numpy,庫(kù),的,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題，煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無(wú)關(guān)。