Fork me on GitHub

numpy(基础)

发表于 | 分类于 | | 本文总阅读量 次
字数统计: 675 | 阅读时长 ≈ 3

简介

1
NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。

用途

  • 数组的算数和逻辑运算。

  • 傅立叶变换和用于图形操作的例程。

  • 与线性代数有关的操作。 NumPy 拥有线性代数和随机数生成的内置函数。

用法

Numpy Ndarray对象

参数

  • object 数组或嵌套的数列
  • dtype 数组元素的数据类型，可选
  • copy 对象是否需要复制，可选
  • order 创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
  • subok 默认返回一个与基类类型一致的数组
  • ndmin 指定生成数组的最小维度
1
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

实例

[1, 2, 3]

1
2
3
import numpy as np 
a = np.array([1,2,3])  
print (a)

[[1, 2]
[3, 4]]

1
2
3
4
#两个维度
import numpy as np 
a = np.array([[1,  2],  [3,  4]])  
print (a)

[[1, 2, 3, 4, 5]]

1
2
3
4
#最小维度
import numpy as np 
a = np.array([1,  2,  3,4,5], ndmin =  2)  
print (a)

[ 1.+0.j, 2.+0.j, 3.+0.j]

1
2
3
4
# dtype 参数  
import numpy as np 
a = np.array([1,  2,  3], dtype = complex)  
print (a)

numpy.zeros(np.zeros)的使用方法

用法

1
zeros(shape, dtype=float, order='C')

返回

1
返回来一个给定形状和类型的用0填充的数组；

实例

1
2
zeros((1,3) # 默认类型为float
zeros((1,3),dtype=int) # int类型

linspace

1
2
#从-1-----1之间等间隔采50个数
np.linspace(-1, 1, 50)

random.normal

np.random.normal(size,loc,scale):

给出均值为loc，标准差为scale的高斯随机数（场）

  • loc：float
    此概率分布的均值（对应着整个分布的中心centre）
  • scale：float
    此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
  • size：int or tuple of ints
    输出的shape，默认为None，只输出一个值

arange

arange函数用于创建等差数组,和range类似

1
2
3
4
# 参数1是起点，参数2是终点，参数3是步长
np.arange(1,10,2)

# array([1,3,5,7,9])

numpy.meshgrid()

一句话解释numpy.meshgrid()——生成网格点坐标矩阵。

reshape()

1
2
3
4
5
6
z = np.array([[1, 2, 3, 4],
          [5, 6, 7, 8],
          [9, 10, 11, 12],
          [13, 14, 15, 16]])
z.shape
(4, 4)
1
2
z.reshape(-1)
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
z.reshape(-1,1)
 array([[ 1],
        [ 2],
        [ 3],
        [ 4],
        [ 5],
        [ 6],
        [ 7],
        [ 8],
        [ 9],
        [10],
        [11],
        [12],
        [13],
        [14],
        [15],
        [16]])
1
2
3
4
5
6
7
8
9
z.reshape(-1, 2)
 array([[ 1,  2],
        [ 3,  4],
        [ 5,  6],
        [ 7,  8],
        [ 9, 10],
        [11, 12],
        [13, 14],
        [15, 16]])
显示 Gitment 评论