numpy基础四

Posted 2021-01-25 panfengde

数组的形状

1. arange(i) 生成0到i的序列,不包括i
2. shape 维度/形状
3. reshape 重新设置形状
4. newaxis 新的维度
5. squeeze 去掉空维度
6. transpose/T 变化形状
7. concatenate 矩阵链接
8. vstack 垂直合并
9. hstack 水平合并
10. flatten
11. ravel

arange

array_aange=np.arange(10)

#>>>
[0 1 2 3 4 5 6 7 8 9]

shape

array_shape=np.arange(10)
array_shape.shape

#>>>
(10,)

reshape

array_reshape=np.arange(10)
array_reshape.reshape(1,10) #大小必须不能改变 10个元素,变化后还是10个

#>>>
array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])

newaxis

array_newaxis=np.arange(10)
array_newaxis=array_newaxis[np.newaxis,:]
print(array_newaxis)
print(array_newaxis.shape)


# >>>
[[0 1 2 3 4 5 6 7 8 9]]
(1, 10)


array_newaxis=np.arange(10)
array_newaxis=array_newaxis[:,np.newaxis]
print(array_newaxis)
print(array_newaxis.shape)

#>>>
[[0]
 [1]
 [2]
 [3]
 [4]
 [5]
 [6]
 [7]
 [8]
 [9]]
(10, 1)

squeeze

array_newaxis=np.arange(10)
array_newaxis=array_newaxis[:,np.newaxis,np.newaxis]
print(array_newaxis)
print(array_newaxis.shape)
#>>>
[[[0]]
 [[1]]
 [[2]]
 [[3]]
 [[4]]
 [[5]]
 [[6]]
 [[7]]
 [[8]]
 [[9]]]
(10, 1, 1)


array_squeeze=array_newaxis.squeeze()
print(array_squeeze)

#>>>
[0 1 2 3 4 5 6 7 8 9]

transpose 形状转换

array_transpose=np.array([[1,2,3,4,5],[2,3,4,5,6]])
array_transpose.transpose()

#>>>
array([[1, 2],
       [2, 3],
       [3, 4],
       [4, 5],
       [5, 6]])

concatenate数组链接

a=np.array([[1,2,3,4,5],[5,4,3,2,1]])
b=np.array([[0,9,8,7,6],[6,7,8,9,0]])

array_concatenate=np.concatenate((a,b))
print(array_concatenate)
#>>>
[[1 2 3 4 5]
 [5 4 3 2 1]
 [0 9 8 7 6]
 [6 7 8 9 0]]


array_concatnate_axis=np.concatenate((a,b),axis=1)
print(array_concatnate_axis)
#>>>
[[1 2 3 4 5 0 9 8 7 6]
 [5 4 3 2 1 6 7 8 9 0]]
array_concatnate_axis.shape
#>>>
(2, 10)

vstack 垂直合并

a=np.array([[1,2,3,4,5],[5,4,3,2,1]])
b=np.array([[0,9,8,7,6],[6,7,8,9,0]])

np.vstack((a,b))

#>>>
array([[1, 2, 3, 4, 5],
       [5, 4, 3, 2, 1],
       [0, 9, 8, 7, 6],
       [6, 7, 8, 9, 0]])

hstack 水平合并

np.hstack((a,b)) 水平合并
#>>>
array([[1, 2, 3, 4, 5, 0, 9, 8, 7, 6],
       [5, 4, 3, 2, 1, 6, 7, 8, 9, 0]])

flatten 合并成一行

array_flatten=np.array([[1,2,3,4],[4,5,6,7]])
array_flatten.flatten()
#>>>
array([1, 2, 3, 4, 4, 5, 6, 7])

revel合并成一行

array_ravel=np.array([[1,2,3,4],[4,5,6,7]])
array_ravel.ravel()
#>>>
array([1, 2, 3, 4, 4, 5, 6, 7])

数组的生成

1. arange
2. linspace
3. logspace
4. meshgrid
5. r_
6. c_
7. zeros
8. ones
9. empty
10. fill
11. zeros_like
12. ones_likes
13. identity 基准矩阵

range

array_arange=np.arange(10)
print(array_arange)
array_arang_b=np.arange(1,10,2)
print(array_arang_b)
array_arange_c=np.arange(1,10,5,dtype=np.float32)

#>>>
[0 1 2 3 4 5 6 7 8 9]
[1 3 5 7 9]

linspace

array_linspace=np.linspace(1,10) ##默认等差数列个数为 50。
print(array_linspace)
array_linpsace_a=np.linspace(1,10,2)

#>>>
 [1.          1.18367347  1.36734694  1.55102041  1.73469388  1.91836735
  2.10204082  2.28571429  2.46938776  2.65306122  2.83673469  3.02040816
  3.20408163  3.3877551   3.57142857  3.75510204  3.93877551  4.12244898
  4.30612245  4.48979592  4.67346939  4.85714286  5.04081633  5.2244898
  5.40816327  5.59183673  5.7755102   5.95918367  6.14285714  6.32653061
  6.51020408  6.69387755  6.87755102  7.06122449  7.24489796  7.42857143
  7.6122449   7.79591837  7.97959184  8.16326531  8.34693878  8.53061224
  8.71428571  8.89795918  9.08163265  9.26530612  9.44897959  9.63265306
  9.81632653 10.        ]

logspace

np.logspace(0,1,5)  # 10的0次幂到10的1次幂  5个等比列数据
#>>>
array([ 1.        ,  1.77827941,  3.16227766,  5.62341325, 10.        ])

meshgrid

x=np.linspace(-10,10,5)
print(x)
y=np.linspace(-20,20,5)
print(y)
#>>>
[-10.  -5.   0.   5.  10.]
[-20. -10.   0.  10.  20.]

x1,y1=np.meshgrid(x,y)
print(x1)
print(y1)

#>>>
[[-10.  -5.   0.   5.  10.]
 [-10.  -5.   0.   5.  10.]
 [-10.  -5.   0.   5.  10.]
 [-10.  -5.   0.   5.  10.]
 [-10.  -5.   0.   5.  10.]]

[[-20. -20. -20. -20. -20.]
 [-10. -10. -10. -10. -10.]
 [  0.   0.   0.   0.   0.]
 [ 10.  10.  10.  10.  10.]
 [ 20.  20.  20.  20.  20.]]

r_ row 行向量

np.r_[0:10:1]
#>>>
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

c_ col 列向量

np.c_[0:10:1]

#>>>
array([[0],
       [1],
       [2],
       [3],
       [4],
       [5],
       [6],
       [7],
       [8],
       [9]])

zeros填充0

np.zeros(5)
array([0., 0., 0., 0., 0.])

np.zeros((5,5))
array([[0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.]])

ones填充1

np.ones(5)

#>>>
array([1., 1., 1., 1., 1.])

np.ones((5,5))

array([[1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.]])

empty空地址

np.empty(5)
np.empty((5,5))

fill 自定义填充

a=np.empty((5,5))
a.fill(3)
print(a)
#>>>
[[3. 3. 3. 3. 3.]
 [3. 3. 3. 3. 3.]
 [3. 3. 3. 3. 3.]
 [3. 3. 3. 3. 3.]
 [3. 3. 3. 3. 3.]]

zeros_like ones_like

temp=np.arange(0,10,2)
print(temp)
#>>>
[0 2 4 6 8]

result=np.zeros_like(temp)
print(result)
#>>>
[0 0 0 0 0]

result_ones=np.ones_like(temp)
print(result_ones)
#>>>
[1 1 1 1 1]

identity 对角矩阵

np.identity(5)
#>>>

array([[1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])