今天就跟大家聊聊有关NumPy模块怎么在Python3.5中使用,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。
1、简介
2、多维数组——ndarray
#!/usr/bin/env python # -*- coding:utf-8 -*- # Author:ZhengzhengLiu import numpy as np #1.创建ndarray #创建一维数组 n1 = np.array([1,2,3,4]) print(n1) #属性--ndim:维度;dtype:元素类型;shape:数组形状; # size:数组元素总个数,shape值相乘得到 print("n1维度:",n1.ndim) print("n1元素类型:",n1.dtype) print("n1数组形状:",n1.shape) print("n1数组元素总个数:",n1.size) #创建二维数组 n2 = np.array([ [1,2,3,4], [5,6,7,8] ]) print(n2) print("n2维度:",n2.ndim) print("n2元素类型:",n2.dtype) #创建三维数组 n3 = np.array([ [ [1,2,3,4], [5,6,7,8] ], [ [10,20,30,40], [50,60,70,80] ] ]) print(n3) print("n3数组形状:",n3.shape) print("n3数组元素总个数:",n3.size) #2.通过函数创建数组 z = np.zeros((3,2)) #创建指定形状的数组,数值由零填充 print(z) print(z.dtype) o = np.ones((2,4)) #创建指定形状的数组,数值由1填充 print(o) e = np.empty((2,3,2)) #创建指定形状的数组,数值由未初始化的垃圾值填充 print(e) #3.通过函数计算的方式去创建数组 #一个参数,区间左闭右开,默认起始值为0,步长为1 np1 = np.arange(10) print(np1) #两个参数(起始值,终止值),区间左闭右开,默认步长为1 np2 = np.arange(2,10) print(np2) #三个参数(起始值,终止值,步长),区间左闭右开,步长为2 np3 = np.arange(2,10,2) print(np3) #倒序创建数组元素 np4 = np.arange(10,2,-1) print(np4) #全闭区间,参数(起始值,终止值,元素个数),等差数列 np5 = np.linspace(0,10,5) print(np5) #全闭区间,以10为底数参数为指数(起始值,终止值,元素个数),等比数列 np6 = np.logspace(0,2,5) print(np6) #生成随机数的数组 np7 = np.random.random((2,3)) print(np7)
运行结果:
[1 2 3 4]
n1维度: 1
n1元素类型: int32
n1数组形状: (4,)
n1数组元素总个数: 4
[[1 2 3 4]
[5 6 7 8]]
n2维度: 2
n2元素类型: int32
[[[ 1 2 3 4]
[ 5 6 7 8]][[10 20 30 40]
[50 60 70 80]]]
n3数组形状: (2, 2, 4)
n3数组元素总个数: 16
[[ 0. 0.]
[ 0. 0.]
[ 0. 0.]]
float64
[[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]]
[[[ 1.02548961e-305 5.40165714e-067]
[ 1.05952696e-153 9.69380992e+141]
[ 2.17151199e+214 4.34975848e-114]][[ 2.08064175e-115 1.91431714e+227]
[ 6.42897811e-109 1.26088822e+232]
[ 9.51634286e-114 5.45764552e-306]]]
[0 1 2 3 4 5 6 7 8 9]
[2 3 4 5 6 7 8 9]
[2 4 6 8]
[10 9 8 7 6 5 4 3]
[ 0. 2.5 5. 7.5 10. ]
[ 1. 3.16227766 10. 31.6227766 100. ]
[[ 0.55980469 0.99477652 0.82310732]
[ 0.97239333 0.1409895 0.57213264]]
#修改ndarray形状 np8 = np.arange(0,20,2) print(np8) print(np8.size) np9 = np8.reshape(2,5) print(np9) print(np9.size) #reshape函数是对被修改数组的一个拷贝,共享同一内存, # 修改其中一个数组会影响里一个 np9[1][2] = 50 print(np8) print(np9) # -1表示第二维自动根据元素个数计算 np10 = np8.reshape(5,-1) print(np10) #shape直接修改原来数组的形状 np8.shape=(2,-1) print(np8)
运行结果:
[ 0 2 4 6 8 10 12 14 16 18]
10
[[ 0 2 4 6 8]
[10 12 14 16 18]]
10
[ 0 2 4 6 8 10 12 50 16 18]
[[ 0 2 4 6 8]
[10 12 50 16 18]]
[[ 0 2]
[ 4 6]
[ 8 10]
[12 50]
[16 18]]
[[ 0 2 4 6 8]
[10 12 50 16 18]]
Numpy基本操作说明
看完上述内容,你们对NumPy模块怎么在Python3.5中使用有进一步的了解吗?如果还想了解更多知识或者相关内容,请关注亿速云行业资讯频道,感谢大家的支持。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。