一、NumPy ndarray

(一)生成ndarray

表 数组生成函数
函数 描述(默认数据类型是float64)
array 将输入数据(序列型对象)转换为ndarray,若不显示的指定数据类型,将自动推断;默认复制所有的输入数据
asarray 将输入转换为ndarray。但如果输入已经是ndarray,则不再复制
arange python内建函数range的数组版,返回一个数组
ones 根据指定形状数据类型生成全1数组
ones_like 根据所给的数组生成一个形状一样的全1数组
zeros 根据给定形状和数据类型生成全0数组
zeros_like 根据所给的数组生成一个形状一样的全0数组
empty 根据给定形状生成一个没有初始化数值的空数组
empty_like 根据所给的数组生成一个形状一样但没有初始化数值的空数组
full 根据给定形状和数据类型生成指定数值的数组
full_like 根据所给的数组生成一个形状一样但内容是指定数值的数组
eye,identity 生成一个N×N特征矩阵(对角线位置都是1,其余位置是0)

(二)ndarray的数据类型

NumPy数据类型
类型 类型代码 描述
int8,unit8 i1,u1 有符号和无符号的8位整数
int16,uint16 i2,u2 有符号和无符号的16位整数
int32,uint32 i4,u4 有符号和无符号的32位整数
int64,uint64 i8,u8 有符号和无符号的64位整数
float16 f2 半精度浮点数
float32 f4或f 标准单精度浮点数;兼容C语言float
float64 f8或d 标准双精度浮点数;兼容C语言double和Python float
float128 f16或g 拓展精度浮点数
complex64,complex128,complex256 c8,c16,c32 分别基于32位、64位、128位浮点数的复数
bool ? 布尔值,存储True或False
object o Python object类型
string_

S

修正的ASCII字符串类型;例如生成一个长度为10的字符串类型,使用'S10'
unicode_ U 修正的Unicode类型,生成一个长度为10的Unicode类型,使用'U10'

astype方法---显示地转换数组的数据类型

注意:使用astype时总是生成一个新的数组,即使传入的dtype与之前一样。

(三)NumPy数组算术

1、向量化:批量操作而无须任何for循环

2、等尺寸数组---逐元素操作

①标量计算---会把计算参数传递给数组的每一个元素

②比较---产生一个布尔值数组

3、不同尺寸数组的操作---广播特性(了解)

(四)基础索引与切片

1、索引

①区别于python的内建列表,数组的切片是原数组的视图---数据并不是被复制了,任何对于视图的修改都会反映到原数组上。

例1:arr([0,1,2,3,4,5])

  arr[2:4]=12

  arr([0,1,12,12,12,5])

例2:arr_slice=arr[2:4]

  arr_slice[1]=12345

  arr([0,1,12,12345,12,5])

注意:[:]将会引用数组的所有值;显示的复制数组---arr[2:4].copy()

②二维数组,可以传递一个索引的逗号分隔列表去选择单个元素

arr2d[0][2]相当于arr2d[0,2]

③多维数组,省略后续索引值,返回的对象将是降低一个维度的数组

例:2×2×3的数组 arr3d(

            [[[1, 2, 3]
            [4, 5, 6]]

            [[7, 8, 9]
            [10, 11, 12]]]

           )

arr3d[0]是一个2×3的数组 arr3d[0](

                [[1, 2, 3]
                [4, 5, 6]]

               )

标量和数组都可以传递给arr3d[0]---arr3d[0]=42、arr3d[0]=arr([[1 2 3][4 5 6]])

④数组的切片索引

将索引和切片混合,得到降低纬度的切片

例:arr2d=arr([[1 2 3][4 5 6][7 8 9]])

arr2d[1,:2]---arr([4,5])

arr2d[:2,2]---arr([3,6])

注意:单独一个冒号表示选择整个轴上的数组 arr2d[:,:1]---arr([1],[4],[7])

(五)布尔索引

使用pandas更方便

(六)神奇索引

神奇索引---用于描述使用整数数组进行数据索引

NumPy基础的更多相关文章

  1. 利用Python进行数据分析(5) NumPy基础: ndarray索引和切片

    概念理解 索引即通过一个无符号整数值获取数组里的值. 切片即对数组里某个片段的描述. 一维数组 一维数组的索引 一维数组的索引和Python列表的功能类似: 一维数组的切片 一维数组的切片语法格式为a ...

  2. 《利用python进行数据分析》读书笔记--第四章 numpy基础:数组和矢量计算

    http://www.cnblogs.com/batteryhp/p/5000104.html 第四章 Numpy基础:数组和矢量计算 第一部分:numpy的ndarray:一种多维数组对象 实话说, ...

  3. 利用Python进行数据分析——Numpy基础:数组和矢量计算

    利用Python进行数据分析--Numpy基础:数组和矢量计算 ndarry,一个具有矢量运算和复杂广播能力快速节省空间的多维数组 对整组数据进行快速运算的标准数学函数,无需for-loop 用于读写 ...

  4. numpy 基础操作

    Numpy 基础操作¶ 以numpy的基本数据例子来学习numpy基本数据处理方法 主要内容有: 创建数组 数组维度转换 数据选区和切片 数组数据计算 随机数 数据合并 数据统计计算 In [1]: ...

  5. Numpy 基础

    Numpy 基础 参考https://www.jianshu.com/p/83c8ef18a1e8 import numpy as np 简单创建数组 # 创建简单列表 a = [1, 2, 3, 4 ...

  6. [转]python与numpy基础

    来源于:https://github.com/HanXiaoyang/python-and-numpy-tutorial/blob/master/python-numpy-tutorial.ipynb ...

  7. python学习笔记(三):numpy基础

    Counter函数可以对列表中数据进行统计每一个有多少种 most_common(10)可以提取前十位 from collections import Counter a = ['q','q','w' ...

  8. Numpy基础数据结构 python

    Numpy基础数据结构 NumPy数组是一个多维数组对象,称为ndarray.其由两部分组成: 实际的数据 描述这些数据的元数据 1.一维数组 import numpy as np ar = np.a ...

  9. Python Numpy基础教程

    Python Numpy基础教程 本文是一个关于Python numpy的基础学习教程,其中,Python版本为Python 3.x 什么是Numpy Numpy = Numerical + Pyth ...

  10. NumPy基础操作

    NumPy基础操作(1) (注:记得在文件开头导入import numpy as np) 目录: 数组的创建 强制类型转换与切片 布尔型索引 结语 数组的创建 相关函数 np.array(), np. ...

随机推荐

  1. Navicat 连接MySQL时出现1251错误的解决方案

    我用的MySQL版本是8.0.11,比较新的MySQL版本中采用的加密方式与旧的不同,从而导致1251错误. 解决方案:打开终端连接上数据库,执行以下语句,问题解决.(自己遇到过的坑,亲测有效) US ...

  2. 设计模式—模板方法(template method)

    一.定义 百度百科给的定义:定义一个操作中的算法骨架(稳定),而将一些步骤延迟到子类中(变化).Template Method使得子类可以不改变一个算法的结构即可重定义该算法的某些特定步骤. 如何做到 ...

  3. java项目---用java实现二叉平衡树(AVL树)并打印结果(详)(3星)

    package Demo; public class AVLtree { private Node root; //首先定义根节点 private static class Node{ //定义Nod ...

  4. NPOI设置单元格背景色

    NPOI设置单元格背景色在网上有好多例子都是设置为NPOI内置的颜色值 但是想用rgb值来设置背景色,即:通过HSSFPalette类获取颜色值时会抛出异常:Could not Find free c ...

  5. Int和String互转的方法

    Java 中int.String的类型转换   int -> String int i=12345;String s="";第一种方法:s=i+"";第二 ...

  6. 导出excel,并将数据返回给前端(包含权限判断)

    一.先写导出按钮接口 1.此接口对用户权限进行判断 2.此接口将前端的参数组合拼凑到下一个接口的url中去,用于条件筛选 3.用户有权限的情况下将用户的权限信息保存到redis中去,并将token写到 ...

  7. Python 入门级报错处理

    问题1:Missing parentheses in call to 'print' 原因:因为Python2.X和Python3.X不兼容.我安装的是Python3.X,但是我试图运行的却是Pyth ...

  8. 解决解决httpd: Could not reliably determine the server's fully qualified domain name

    vi /etc/httpd/conf/httpd.conf   加入一句  ServerName  localhost:80 参考:https://www.cnblogs.com/52linux/ar ...

  9. 【MatConvNet代码解析】 vl_nnsoftmaxloss

    背景知识:http://deeplearning.stanford.edu/wiki/index.php/Softmax%E5%9B%9E%E5%BD%92 假设softmax层的输入(softmax ...

  10. CRC16 的生成及校验原理

    参考:https://blog.csdn.net/niepangu/article/details/45499383 计算CRC的过程,就是用一个特殊的“除法”,来得到余数,这个余数就是CRC. 它不 ...