Python的Numpy库的ndarry对象(矩阵)初始化属性调整属性获取基本操作示例代码积累

Posted 2022-04-28 昊虹算法

ndarry对象实质上就可以理解为矩阵， 矩阵是咱们作运算的基本单位，所以其初始化、属性调整、属性获取、基本操作都是高频使用的。
虽然是高频使用的，但有时候，莫名地就忘了格式，或者忘了还有这个操作，所以有必要写一篇博文把“Numpy库的ndarry对象初始化、属性调整、属性获取、基本操作”的示例代码进行个积累汇总，以便自己Coding时取用。

目录

• 1 直接赋值初始化一个矩阵
• 2 通过复制别的矩阵得到新的矩阵
• 3 创建和原矩阵大小一样、并且数据类型和原矩阵不一样的全0矩阵
• 4 创建指定大小和数据类型且元素值全为1的矩阵
• 5 创建指定大小和数据类型且元素值全为0的矩阵
• 6 创建指定大小、指定数据类型、数据值按均匀分布生成的整数矩阵
• 7 创建指定大小、数据值按正态分布(均值为0,标准差为1)生成的矩阵
• 8 获取矩阵的形状、数据类型、维度数、元素总个数
• 9 对矩阵元素的选取和访问

1 直接赋值初始化一个矩阵

示例代码如下：

A = np.array([[1, 2, 3, 4, 5],
              [6, 7, 8, 9, 10],
              [11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25]], dtype='int8')

上面代码中的第二个参数dtype是可选的，不如不填，则系统根据矩阵元素的数据大小来确定。
上面的代码创建的是二维矩阵，我们再看一个创建三维矩阵的例子。

# !/usr/bin/env python
# -*- coding: utf-8 -*-
import numpy as np

B = np.array([[[11, 12, 13, 14],
               [15, 16, 17, 18]],
              [[19, 20, 21, 22],
               [23, 24, 25, 26]],
              [[27, 28, 29, 30],
               [31, 32, 33, 34]]])

运行结果如下图所示：

从其shape属性可以看出，B矩阵的尺寸为三通道，两行，四列。其内容如下：

2 通过复制别的矩阵得到新的矩阵

示例代码如下：

import numpy as np

B = np.array([[[11, 12, 13, 14],
               [15, 16, 17, 18]],
              [[19, 20, 21, 22],
               [23, 24, 25, 26]],
              [[27, 28, 29, 30],
               [31, 32, 33, 34]]])

C = B

运行结果如下所示：

3 创建和原矩阵大小一样、并且数据类型和原矩阵不一样的全0矩阵

示例代码如下：

import numpy as np

B = np.array([[[11, 12, 13, 14],
               [15, 16, 17, 18]],
              [[19, 20, 21, 22],
               [23, 24, 25, 26]],
              [[27, 28, 29, 30],
               [31, 32, 33, 34]]])

C = B
C = 0*C
C = C.astype('float32')

运行结果如下：

4 创建指定大小和数据类型且元素值全为1的矩阵

D = np.ones((3, 5), dtype='uint8')

5 创建指定大小和数据类型且元素值全为0的矩阵

E = np.zeros((3, 5), dtype='float32')

6 创建指定大小、指定数据类型、数据值按均匀分布生成的整数矩阵

F = np.random.randint(0, 100, (3, 5), dtype='uint8')

7 创建指定大小、数据值按正态分布(均值为0,标准差为1)生成的矩阵

K = np.random.randn(2, 3)

注意：函数randn()不能设置数据类型，也不能设置正态分布的均值和标准差，其原型如下：

random.randn(d0, d1, ..., dn)

运行结果如下：

从上图我们可以看出，其数据类型为float64

8 获取矩阵的形状、数据类型、维度数、元素总个数

示例代码如下：

import numpy as np

B = np.array([[[11, 12, 13, 14],
               [15, 16, 17, 18]],
              [[19, 20, 21, 22],
               [23, 24, 25, 26]],
              [[27, 28, 29, 30],
               [31, 32, 33, 34]]])

print('矩阵的形状为：\\n矩阵的元素数据类型为：\\n矩阵的维度数为：\\n矩阵的元素个数为：'
      .format(B.shape, B.dtype, B.ndim, B.size))

运行结果如下图所示：

9 对矩阵元素的选取和访问

对数据的选取和访问请参看我的另一篇博文，链接：
https://blog.csdn.net/wenhao_ir/article/details/124419922

创作打卡挑战赛 赢取流量/现金/CSDN周边激励大奖