安装numpy ： pip install numpy
numpy数组生成方法总结
In [4]:
import numpy as np #使用列表生成一个一维数组
data = [1,2,3,4,5]
x = np.array(data)
print(x)
print(x.dtype) #打印数组类型
print(type(x))
[1 2 3 4 5]
int32
<class 'numpy.ndarray'>
In [6]:
import numpy as np #使用列表生成一个二维数组
data = [[1,2], [3,4], [5,6]]
x = np.array(data)
print(x)
print(x.dtype)
print(x.ndim) #打印数组维度
print(x.shape) #打印数组各个维度的长度
print(type(x))
[[1 2]
[3 4]
[5 6]]
int32
2
(3, 2)
<class 'numpy.ndarray'>
In [16]:
import numpy as np #使用zeros创建一个长度为4， 元素为0的一维数组
x = np.zeros(4)
print(x)
#创建一个二维数组， 一维长度为2， 二维长度为3， 元素为0的数组
x = np.zeros((2,3))
print(x)
#使用ones创建一个二维数组， 一维长度为2， 二维长度为3， 元素为1的数组
x = np.ones((2,3))
print(x)
#使用empty创建一个二维数组， 一维长度为3， 二维长度为3， 元素为初始化的数组
y = np.empty((3,3))
print(y)
#使用arange生成连续元素
a = np.arange(5)
print(a)
b = np.arange(1,5,2)
print(b)
[ 0. 0. 0. 0.]
[[ 0. 0. 0.]
[ 0. 0. 0.]]
[[ 1. 1. 1.]
[ 1. 1. 1.]]
[[ 2.97907948e-317 2.69387831e-316 8.66647269e-317]
[ 2.48185956e-315 2.48185956e-315 2.48185909e-315]
[ 0.00000000e+000 0.00000000e+000 6.52072824e+091]]
[0 1 2 3 4]
[1 3]
reshape用法：
In [2]:
import numpy as np #二维数组
a = np.arange(10).reshape(2,5)
print(a)
print("\n")
#三维数组
a = np.arange(12).reshape(2,2,3)
print(a)
[[0 1 2 3 4]
[5 6 7 8 9]] [[[ 0 1 2]
[ 3 4 5]] [[ 6 7 8]
[ 9 10 11]]]
基本运算：
数组的算术运算是按照元素的
In [9]:
import numpy as np a = np.array([30,40,50,60])
b = np.arange(4) print(a)
print(b)
print("\na-b:")
#俩个数据相减
c = a - b
print(c)
print("\nb2:")
#b数组二次方
print(b2)
#比较
print("\na<45：")
print(a<45)
[30 40 50 60]
[0 1 2 3] a-b:
[30 39 48 57] b**2:
[0 1 4 9] a<45：
[ True True False False]
numpy中的*是按元素计算的， 如果矩阵乘法， 需要调用dot函数
In [12]:
import numpy as np a = np.array([
[1, 2],
[3, 4]
]) b = np.array([
[1,1],
[0,4]
]) #运算
print("ab:")
print(a*b) #dot运算
print("\ndot(a,b):")
print(np.dot(a,b))
a*b:
[[ 1 2]
[ 0 16]] dot(a,b):
[[ 1 9]
[ 3 19]]
axis参数用法:
In [19]:
import numpy as np a = np.arange(12).reshape(2,2,3)
print(a)
print("计算第一维度和：")
print(a.sum(axis=0))
print("计算第二维度和：")
print(a.sum(axis=1))
print("计算第三维度和：")
print(a.sum(axis=2)) #说白了就是说计算第一维度的时候， 把2，3下标值一样的， 第一下标值不一样的加在一起， 重新生成一个数组， 以此类推
[[[ 0 1 2]
[ 3 4 5]] [[ 6 7 8]
[ 9 10 11]]]
计算第一维度和：
[[ 6 8 10]
[12 14 16]]
计算第二维度和：
[[ 3 5 7]
[15 17 19]]
计算第三维度和：
[[ 3 12]
[21 30]]
In [20]:
import numpy as np
a = np.arange(12).reshape(3,4)
print(a)
print("找出第一维度的最小值：")
print(a.min(axis=0))
print("找出第二维度的最小值：")
print(a.min(axis=1))
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
找出第一维度的最小值：
[0 1 2 3]
找出第二维度的最小值：
[0 4 8]
In [21]:
import numpy as np
a = np.arange(12).reshape(3,4)
print(a)
print("计算第一维度的累加值：")
print(a.cumsum(axis=0))
print("计算第二维度的累加值：")
print(a.cumsum(axis=1))
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
计算第一维度的累加值：
[[ 0 1 2 3]
[ 4 6 8 10]
[12 15 18 21]]
计算第二维度的累加值：
[[ 0 1 3 6]
[ 4 9 15 22]
[ 8 17 27 38]]
通用函数用法：
In [22]:
import numpy as np a = np.arange(3)
print(a) print(np.exp2(a)) #输出以2weidi
[0 1 2]
[ 1. 2. 4.]