numpy
Posted lalavender
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了numpy相关的知识，希望对你有一定的参考价值。
## numpys属性
* ndim：维度
* shape：行数和列数
* size：元素个数
```python
import numpy as np #导入numpy
array = np.array([[1,2,3],[4,5,6]]) #创建数组
print(array)
```
[[1 2 3]
[4 5 6]]
```python
print(‘number of dim:‘,array.ndim) # 维度
print(‘shape :‘,array.shape) # 行数和列数
print(‘size:‘,array.size) # 元素个数
```
number of dim: 2
shape : (2, 3)
size: 6
## 指定数据 dtype
```python
a = np.array([2,23,4],dtype=np.int)
print(a.dtype)
a = np.array([2,23,4],dtype=np.int32)
print(a.dtype)
a = np.array([2,23,4],dtype=np.float)
print(a.dtype)
a = np.array([2,23,4],dtype=np.float32)
print(a.dtype)
```
int32
int32
float64
float32
## 创建特定数据
```python
a = np.array([[2,23,4],[2,32,4]]) # 2d 矩阵 2行3列
print(a)
```
[[ 2 23 4]
[ 2 32 4]]
### 创建全零数组
```python
a = np.zeros((3,4)) # 数据全为0，3行4列
print(a)
```
[[0. 0. 0. 0.]
[0. 0. 0. 0.]
[0. 0. 0. 0.]]
### 创建全一数组, 同时也能指定这些特定数据的 dtype:
```python
a = np.ones((3,4),dtype = np.int) # 数据为1，3行4列
print(a)
```
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
### 创建全空数组, 其实每个值都是接近于零的数:
```python
a = np.empty((3,4)) # 数据为empty，3行4列
print(a)
```
[[0. 0. 0. 0.]
[0. 0. 0. 0.]
[0. 0. 0. 0.]]
### 用 arange 创建连续数组:
```python
a = np.arange(10,20,2) # 10-19 的数据，2步长
print(a)
```
[10 12 14 16 18]
### 使用 reshape 改变数据的形状:
```python
a = np.arange(12).reshape((3,4)) # 3行4列，0到11
print(a)
```
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
### 用 linspace 创建线段型数据:
```python
a = np.linspace(1,10,20) # 开始端1，结束端10，且分割成20个数据，生成线段
print(a)
```
[ 1. 1.47368421 1.94736842 2.42105263 2.89473684 3.36842105
3.84210526 4.31578947 4.78947368 5.26315789 5.73684211 6.21052632
6.68421053 7.15789474 7.63157895 8.10526316 8.57894737 9.05263158
9.52631579 10. ]
### 同样也能进行 reshape 工作:
```python
a = np.linspace(1,10,20).reshape((5,4)) # 更改shape
print(a)
```
[[ 1. 1.47368421 1.94736842 2.42105263]
[ 2.89473684 3.36842105 3.84210526 4.31578947]
[ 4.78947368 5.26315789 5.73684211 6.21052632]
[ 6.68421053 7.15789474 7.63157895 8.10526316]
[ 8.57894737 9.05263158 9.52631579 10. ]]
## 随机数填充数组
```
x = np.random.random((3,3))
print(x)
```
[[0.14081761 0.84054832 0.81950547]
[0.64149529 0.36935188 0.79136848]
[0.67530063 0.60766317 0.45713333]]
## numpy 的几种基本运算
```python
import numpy as np
a=np.array([10,20,30,40])
b=np.arange(4)
print(a)
print(b)
```
[10 20 30 40]
[0 1 2 3]
### 求两个矩阵之间的减法
```python
c=a-b
print(c)
```
[10 19 28 37]
### 求两个矩阵之间的加法
```python
c=a+b
print(c)
```
[10 21 32 43]
### 求两个矩阵之间的乘法
```python
c=a*b
print(c)
```
[ 0 20 60 120]
### 求两个矩阵之间的乘方
```python
c=b**2
print(c)
```
[0 1 4 9]
### 进行函数运算（以sin函数为例）
```python
c=10*np.sin(a)
print(c)
```
[-5.44021111 9.12945251 -9.88031624 7.4511316 ]
### 对print函数进行一些修改可以进行逻辑判断：
```python
print(b<3)
```
[ True True True False]
### 多行多维度的矩阵计算
```python
a=np.array([[1,1],[0,1]])
b=np.arange(4).reshape((2,2))
print(a)
print(b)
```
[[1 1]
[0 1]]
[[0 1]
[2 3]]
### 矩阵积（对应行乘对应列得到相应元素）：
```python
c_dot = np.dot(a,b)
print(c_dot)
```
[[2 4]
[2 3]]
```python
c_dot_2 = a.dot(b)
print(c_dot_2)
```
[[2 4]
[2 3]]
### 自增运算符（+=，-=）
- 运算的道德结果不是赋值给一个新数组而是赋给参与运算的数组本身
### sum(), min(), max()的使用：
```python
import numpy as np
a=np.random.random((2,4))
print(a)
```
[[0.35988859 0.90074043 0.84605958 0.6178183 ]
[0.1524533 0.26544464 0.78397802 0.64831684]]
```python
np.sum(a)
```
4.574699696130096
```python
np.min(a)
```
0.15245330073817986
```python
np.max(a)
```
0.9007404268486401
### 对行或者列进行查找运算:
```python
print("a =",a)
print("sum =",np.sum(a,axis=1))
print("min =",np.min(a,axis=0))
print("max =",np.max(a,axis=1))
```
a = [[0.35988859 0.90074043 0.84605958 0.6178183 ]
[0.1524533 0.26544464 0.78397802 0.64831684]]
sum = [2.7245069 1.8501928]
min = [0.1524533 0.26544464 0.78397802 0.6178183 ]
max = [0.90074043 0.78397802]
以上是关于numpy的主要内容，如果未能解决你的问题，请参考以下文章