numpy

发布时间:2019-04-01 21:41:11编辑:auto阅读(1932)

    一、NumPy简介:

      NumPy是python一个包。它是一个由多为数组对象和用于处理数字的例程集合组成的库。

    二、Ndarray对象

      NumPy中的数组类称为ndarray,ndarray是一系列同类型数据的集合,以0下标为开始进行集合的索引。

      ndarray对象用于存放同类型元素的多维数组。

      ndarray中的每个元素在内存中都有相同存储大小的区域

      ndarray内部由以下内容组成:

        - 一个指向数据的指针

        - 数据类型或者dtype,描述数组中的固定大小值的格子

    三、numpy使用

    数组属性

      ndarray.ndim

         秩,维度。。。

    import nump
    a = np.arange(24)  
    print (a.ndim)   
    >>> 1

      ndarray.shape       数组的维度

      ndarray.shape = [x,y]    改变对象的维度

      ndarray.size        元素的个数

      ndarray.dtype        对象中的元素的类型

      ndarray.itemsize      对象中每个元素的大小,以字节为单位

      np.array(list)          将list转换成ndarray对象

      ndarray.mean()        求均值

      ndarray.std()         求标准差

      ndarray.max()          对象中的最大值

      ndarray.min()        对象中的最小值

      ndarray[x区间,y区间...]    切片   对于彩色图片来说最后一维度表示像素(红0绿1蓝2)

      ndarray[::x,::y]       对于将区域内的数据进行缩放x倍,y倍

      np.ones(shape, dtype)    生成值全为1的对象

      np.zeros(shape,dtype)    生成值全为0的对象

      np.full(shape,full_value,dtype)  生shape维度,值为full_value的对象

      np.eye(x)         维度为x的单位矩阵

      ndarray.dot(ndrray)     两个对象进行矩阵乘法

      np.linspace(x, y, n)    生成n个x开始,y结束的等差矩阵

      np.arange(x,y,z)      生成起始值为x结束值为y 步长为z的矩阵  

      np.random.randint(x,y,[n,m])    在[x,y)区间内生成大小为[n,m]的矩阵

      np.random.randn(d0,d1...dn)    生成均值为0,方差为1 的n维高斯分布矩阵

      np.random.normal(loc,scale,size)  生成size个均值为loc,方差为scale的矩阵

      np.random.random.(n)       随机生成在[0,1]区间内的n个数

      ndarray.T/ndarray.transpose()    转置

      np.concatenate()          级联

        1、级联参数是列表,一定要加中(小)括号

        2、维度必须相同

        3、形状相符

        4、级联方向默认是shape这个tuple第一个值代表的维度方向

        5、可以通过axis参数改变级联方向

      np.hstact()/np.vstack()        水平/垂直级联,参数必须是元组

      np.split/np.vsplit/np.hsplit       切分  

      np.sum(axis=)            求和axis=1对列求和,axis=0对行求和

      np.argmin/np.argmax         最小值的index、最大值的index

      np.sort()              对本身不改变的排序

      ndarray.sort()            本身改变

      np.partition(n,k)           对部分n个数排序,k为正,正序;k为负,逆序

关键字