python3 numpy基本用法归纳总结

安装numpy ： pip install numpy

numpy数组生成方法总结

In [4]:

import numpy as np

#使用列表生成一个一维数组

data = [1,2,3,4,5]

x = np.array(data)

print(x)

print(x.dtype)   #打印数组类型

print(type(x))

[1 2 3 4 5]

int32

<class 'numpy.ndarray'>

In [6]:

import numpy as np

#使用列表生成一个二维数组

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

x = np.array(data)

print(x)

print(x.dtype)

print(x.ndim)    #打印数组维度

print(x.shape)   #打印数组各个维度的长度

print(type(x))

[[1 2]

[3 4]

[5 6]]

int32

2

(3, 2)

<class 'numpy.ndarray'>

In [16]:

import numpy as np

#使用zeros创建一个长度为4， 元素为0的一维数组

x = np.zeros(4)

print(x)

#创建一个二维数组， 一维长度为2， 二维长度为3， 元素为0的数组

x = np.zeros((2,3))

print(x)

#使用ones创建一个二维数组， 一维长度为2， 二维长度为3， 元素为1的数组

x = np.ones((2,3))

print(x)

#使用empty创建一个二维数组， 一维长度为3， 二维长度为3， 元素为初始化的数组

y = np.empty((3,3))

print(y)

#使用arange生成连续元素

a = np.arange(5)

print(a)

b = np.arange(1,5,2)

print(b)

[ 0.  0.  0.  0.]

[[ 0.  0.  0.]

[ 0.  0.  0.]]

[[ 1.  1.  1.]

[ 1.  1.  1.]]

[[  2.97907948e-317   2.69387831e-316   8.66647269e-317]

[  2.48185956e-315   2.48185956e-315   2.48185909e-315]

[  0.00000000e+000   0.00000000e+000   6.52072824e+091]]

[0 1 2 3 4]

[1 3]

reshape用法：

In [2]:

import numpy as np

#二维数组

a = np.arange(10).reshape(2,5)

print(a)

print("\n")

#三维数组

a = np.arange(12).reshape(2,2,3)

print(a)

[[0 1 2 3 4]

[5 6 7 8 9]]

[[[ 0  1  2]

[ 3  4  5]]

[[ 6  7  8]

[ 9 10 11]]]

基本运算：

数组的算术运算是按照元素的

In [9]:

import numpy as np

a = np.array([30,40,50,60])

b = np.arange(4)

print(a)

print(b)

print("\na-b:")

#俩个数据相减

c = a - b

print(c)

print("\nb2:")

#b数组二次方

print(b2)

#比较

print("\na<45：")

print(a<45)

[30 40 50 60]

[0 1 2 3]

a-b:

[30 39 48 57]

b**2:

[0 1 4 9]

a<45：

[ True  True False False]

numpy中的*是按元素计算的， 如果矩阵乘法， 需要调用dot函数

In [12]:

import numpy as np

a = np.array([

[1, 2],

[3, 4]

])

b = np.array([

[1,1],

[0,4]

])

#运算

print("ab:")

print(a*b)

#dot运算

print("\ndot(a,b):")

print(np.dot(a,b))

a*b:

[[ 1  2]

[ 0 16]]

dot(a,b):

[[ 1  9]

[ 3 19]]

axis参数用法:

In [19]:

import numpy as np

a = np.arange(12).reshape(2,2,3)

print(a)

print("计算第一维度和：")

print(a.sum(axis=0))

print("计算第二维度和：")

print(a.sum(axis=1))

print("计算第三维度和：")

print(a.sum(axis=2))

#说白了就是说计算第一维度的时候， 把2，3下标值一样的， 第一下标值不一样的加在一起， 重新生成一个数组， 以此类推

[[[ 0  1  2]

[ 3  4  5]]

[[ 6  7  8]

[ 9 10 11]]]

计算第一维度和：

[[ 6  8 10]

[12 14 16]]

计算第二维度和：

[[ 3  5  7]

[15 17 19]]

计算第三维度和：

[[ 3 12]

[21 30]]

In [20]:

import numpy as np

a = np.arange(12).reshape(3,4)

print(a)

print("找出第一维度的最小值：")

print(a.min(axis=0))

print("找出第二维度的最小值：")

print(a.min(axis=1))

[[ 0  1  2  3]

[ 4  5  6  7]

[ 8  9 10 11]]

找出第一维度的最小值：

[0 1 2 3]

找出第二维度的最小值：

[0 4 8]

In [21]:

import numpy as np

a = np.arange(12).reshape(3,4)

print(a)

print("计算第一维度的累加值：")

print(a.cumsum(axis=0))

print("计算第二维度的累加值：")

print(a.cumsum(axis=1))

[[ 0  1  2  3]

[ 4  5  6  7]

[ 8  9 10 11]]

计算第一维度的累加值：

[[ 0  1  2  3]

[ 4  6  8 10]

[12 15 18 21]]

计算第二维度的累加值：

[[ 0  1  3  6]

[ 4  9 15 22]

[ 8 17 27 38]]

通用函数用法：

In [22]:

import numpy as np

a = np.arange(3)

print(a)

print(np.exp2(a)) #输出以2weidi

[0 1 2]

[ 1.  2.  4.]