python 之 numpy 模块的基本使用

(16页)

'python 之 numpy 模块的基本使用'
python 之 numpy 模块的基本使用一、numpy概述NumPy(Numerical Python的简称)是高性能科学 和数据分析的基础包。numpy模块提供了Python对N维数组对象的支持:ndarray,ndarray数组中的元素须为同一数据类型,这一点与python的列表是不一样的。numpy支持高级大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。其主要功能如下。二、创建ndarray数组代码示例:# -*- coding: utf-8 -*-import numpy;print '使用列表生成一维数组'data = [1,2,3,4,5,6]x = numpy.array(data)print x #打印数组print x.dtype #打印数组元素的类型print '使用列表生成二维数组'data = [[1,2],[3,4],[5,6]]x = numpy.array(data)print x #打印数组print x.ndim #打印数组的维度print x.shape #打印数组各个维度的长度。shape是一个元组print '使用zero/ones/empty创建数组:根据shape来创建'x = numpy.zeros(6) #创建一维长度为6的,元素都是0一维数组print xx = numpy.zeros((2,3)) #创建一维长度为2,二维长度为3的二维0数组print xx = numpy.ones((2,3)) #创建一维长度为2,二维长度为3的二维1数组print xx = numpy.empty((3,3)) #创建一维长度为2,二维长度为3,未初始化的二维数组print xprint '使用arrange生成连续元素'print numpy.arange(6) # [0,1,2,3,4,5,] 开区间print numpy.arange(0,6,2) # [0, 2,4]三、指定ndarray数组元素的类型NumPy数据类型:代码示例:print '生成指定元素类型的数组:设置dtype属性'x = numpy.array([1,2.6,3],dtype = numpy.int64)print x # 元素类型为int64print x.dtypex = numpy.array([1,2,3],dtype = numpy.float64)print x # 元素类型为float64print x.dtypeprint '使用astype复制数组,并转换类型'x = numpy.array([1,2.6,3],dtype = numpy.float64)y = x.astype(numpy.int32)print y # [1 2 3]print x # [ 1. 2.6 3. ]z = y.astype(numpy.float64)print z # [ 1. 2. 3.]print '将字符串元素转换为数值元素'x = numpy.array(['1','2','3'],dtype = numpy.string_)y = x.astype(numpy.int32)print x # ['1' '2' '3']print y # [1 2 3] 若转换失败会抛出异常print '使用其他数组的数据类型作为参数'x = numpy.array([ 1., 2.6,3. ],dtype = numpy.float32);y = numpy.arange(3,dtype=numpy.int32);print y # [0 1 2]print y.astype(x.dtype) # [ 0. 1. 2.]四、ndarray数组与标量/数组的运算运算规则:数组与标量的算术/逻辑运算会转换为各个元素与标量的算术/逻辑运算,数组与数组的算术/逻辑运算会转换为两个数组对应的各个元素的算术/逻辑运算。代码示例:print 'ndarray数组与标量/数组的运算'x = numpy.array([1,2,3]) print x*2 # [2 4 6]print x>2 # [False False True]y = numpy.array([3,4,5])print x+y # [4 6 8]print x>y # [False False False]五、ndarray数组的基本索引和切片代码示例:print 'ndarray的基本索引'x = numpy.array([[1,2],[3,4],[5,6]])print x[0] # [1,2]print x[0][1] # 2,普通python数组的索引print x[0,1] # 同x[0][1],ndarray数组的索引x = numpy.array([[[1, 2], [3,4]], [[5, 6], [7,8]]])print x[0] # [[1 2],[3 4]]y = x[0].copy() # 生成一个副本z = x[0] # 未生成一个副本print y # [[1 2],[3 4]]print y[0,0] # 1y[0,0] = 0 z[0,0] = -1print y # [[0 2],[3 4]]print x[0] # [[-1 2],[3 4]]print z # [[-1 2],[3 4]]print 'ndarray的切片'x = numpy.array([1,2,3,4,5])print x[1:3] # [2,3] 右边开区间print x[:3] # [1,2,3] 左边默认为 0print x[1:] # [2,3,4,5] 右边默认为元素个数print x[0:4:2] # [1,3] 下标递增2x = numpy.array([[1,2],[3,4],[5,6]])print x[:2] # [[1 2],[3 4]]print x[:2,:1] # [[1],[3]]x[:2,:1] = 0 # 用标量赋值print x # [[0,2],[0,4],[5,6]]x[:2,:1] = [[8],[6]] # 用数组赋值print x # [[8,2],[6,4],[5,6]]六、ndarray数组的布尔型索引和花式索引布尔型索引:使用布尔数组作为索引。布尔型索引代码示例:print 'ndarray的布尔型索引'x = numpy.array([3,2,3,1,3,0])# 布尔型数组的长度必须跟被索引的轴长度一致y = numpy.array([True,False,T
关 键 词:
python之numpy模块的基本使用
 剑锋文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
关于本文
本文标题:python 之 numpy 模块的基本使用
链接地址: //www.wenku365.com/p-43737755.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服点击这里,给剑锋文库发消息,QQ:1290478887 - 联系我们

本站为“文档C2C交易模式”,即用户上传的文档直接卖给(下载)用户,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有【成交的100%(原创)】。本站是网络服务平台方,若您的权利被侵害,侵权客服QQ:1290478887 欢迎举报。

1290478887@qq.com 2017-2027 //www.wenku365.com 网站版权所有

粤ICP备19057495号 

收起
展开