numpy基础知识
官网简介:
http://www.numpy.org/
ndarry基本属性
- ndarry是Numpy中的N维数组对象(N dimentional arrya,ndarray)
- ndarry中所有的元素必须是相同类型的
data = [[1,2,3],[4,5,6]]
a = np.arry(data)
基本属性:
- ndim:一个衡量数组维度的对象 (a.ndim --> 2)
- shape:一个衡量各个维度大小的元祖 (a.shape --> (2,3))
- dtype:一个用于说明数组数据类型的对象 (a.dtype --> int64)
ndarray数组的数据类型
- Numpy中的数据类型有
int8、uint8、int16、unit16 、int32、unit32、int64、unit64、
float16, float32, float64, float128, complex64, complex128, complex256, bool, object,
string, unicode.
数据类型的转换
- [x] astype
data = np.array(['1.23','4.56','7.89'])
res = data.astype(float)
- [x] dtype
data = np.array([1,2,3], dtype=np.float64) #默认int64 改成float64d
索引与切片
索引(Indexing)
- 一维数组:a[0] a[1] a[2]
- 二维数组:a[0,0] a[0,1] a[0,2]
- axis 0 --> 列
- axis 1 --> 行
切片(Slicing)
- ndarray的切片是原始数组的视图,做修改时,数据不会被复制,而是直接反映到
源数据上。如果想要得到切片的副本,则需要使用copy(),例如 arr[2:3].copy()。
丰富的索引和切片方式
- 基本索引和切片方式
import numpy as np
arr1d = np.arange(10)
arr2d = np.array([[1,2,3],[4,5,6]])
arr3d = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
[:]、 [x] 、[x : y]、 [x,y]、 [x][y] 、[x:]、 [:y] 、[:y, x:]、 [x,:y]、 [:,:y] (比如x=1,y=2)
- 布尔型索引
- 布尔型索引可以帮助我们筛选出符合条件的数据(类似Excel中的Vlookup函数)
GDP_Percent = np.array([7.90,7.80,7.30, 6.90,6.70])
Year = np.array([2012,2013,2014,2015,2016])
print(Year[GDP_Percent>7])
[2012 2013 2014]
- 花式索引(Fancy Indexing)
- 利用整数数组进行索引,index为默认的以0开始的整数形式。
- fancy indexing概念上很简单:即指传递索引数组以便一次得到多个数组元素。使用fancy indexing时要特别注意的一点是返回数组的shape反映的是索引数组的shape而不是被索引的原数组的shape。
简单情况:一维数组
data= np.random.randn(8,4) print(data)
print(data[[2,4,0,6]])
print(data[[-6,-4,-8,-2]])
高级用法:多维数组
X = np.arange(12).reshape((3,4))
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
row = np.array([0, 1, 2])
col = np.array([2, 1, 3])
X[row,col]
array([2, 5, 11]) #第一个元素2代表X[0, 2],在索引中将列向量和行向量结合可以得到二维结果
X[row[:, np.newaxis], col] # 行向量中的每个值与每个列向量配对(用了numpy的broadcasting)
row[:, np.newaxis]
array([[0],
[1],
[2]])
array([[ 2, 1, 3],
[ 6, 5, 7],
[10, 9, 11]])
numpy基础知识的更多相关文章
- NumPy 基础知识·翻译完成
原文:Numpy Essentials 协议:CC BY-NC-SA 4.0 欢迎任何人参与和完善:一个人可以走的很快,但是一群人却可以走的更远. 在线阅读 ApacheCN 面试求职交流群 7241 ...
- NumPy基础知识图谱
所有内容整理自<利用Python进行数据分析>,使用MindMaster Pro 7.3制作,emmx格式,源文件已经上传Github,需要的同学转左上角自行下载.该图谱只是NumPy的基 ...
- 【Numpy】python机器学习包Numpy基础知识学习
一.安装:在之前的博客中已经写过:http://www.cnblogs.com/puyangsky/p/4763234.html 二.python数组切片知识: python中序列类有list.str ...
- python科学计算库的numpy基础知识,完美抽象多维数组(原创)
#导入科学计算库 #起别名避免重名 import numpy as np #小技巧:从外往内看==从左往右看 从内往外看==从右往左看 #打印版本号 print(np.version.version) ...
- Numpy 基础知识
1.使用ipython --pylab 自动加载 Numpy.Scipy.Matplotlib模块. 创建数组a = arange(10) b = arange(10,dtype='f')c = ar ...
- NumPy基础知识:数组和矢量计算
NumPy 的ndarray:一种多维数组对象 该对象是一个快速且灵活的大数据容器,可以利用这种数组对整个数据进行科学计算,语法跟标量元素之间的计算一样. 创建ndarray的方法: array函数: ...
- Python——Numpy基础知识(一)
一.Numpy的引入 1.标准的Python 中用列表(list)保存一组值,可以当作数组使用.但由于列表的元素可以是任何对象,因此列表中保存的是对象的指针.对于数值运算来说,这种结构显然比较浪费内存 ...
- numpy基础知识练习
# 1.导入numpy模块 # 2.创建一个大小为10的空向量 # 3.创建一个大小为10的空向量,但是第五个值为1 # 4.创建一个10-49的ndarray数组 # 5.创建一个3x3的矩阵,其值 ...
- tensorflow笔记(一)之基础知识
tensorflow笔记(一)之基础知识 版权声明:本文为博主原创文章,转载请指明转载地址 http://www.cnblogs.com/fydeblog/p/7399701.html 前言 这篇no ...
随机推荐
- Raspberry Pi使用
1. 介绍 笔者Raspberry Pi 2 Model B为例介绍 1.1 参数 Raspberry Pi 2 Model B硬件参数如下: · Broadcom BCM2836 900MHz 4核 ...
- Codeforces 219D Choosing Capital for Treeland 2次DP
//选择一个根使得变换最少边的方向使得能够到达所有点#include <map> #include <set> #include <list> #include & ...
- 使用Tslib在触摸屏上显示汉字【转】
转自:http://www.latelee.org/embedded-linux/use-tslib-to-display-chinese-character.html 终于到了在触摸屏上显示汉字了, ...
- linux下面某些常用命令的用法【转】
转自:http://blog.csdn.net/luo3532869/article/details/7584290 ls 命令用于常看目录,用法:ls [选项][目录或文件]例:使用ls命令显示/h ...
- 数据类型转换,JS操作HTML
数据类型转换 1.自动转换(在某种运算环境下) Number环境 String环境 Boolean环境 2.强制类型转换 Number() 字符串:纯数字和空字符转为正常数字,其他NaN 布尔值:tu ...
- 【 Tomcat 】tomcat8.0 基本参数调优配置
1.优化内核及TCP连接: fs.file-max = # 系统文件描述符总量 net.ipv4.ip_local_port_range = # 打开端口范围 net.ipv4.tcp_max_tw_ ...
- [BZOJ4199][Noi2015]品酒大会 树形DP+后缀自动机
由于要找后缀的前缀,所以先用反串建立SAM. link边组成了后缀树. 两个子串的最长公共前缀是LCA的step 树形dp即可. #include<iostream> #include&l ...
- std::string 字符串大小写转换(转)
该问题归结为std::transform函数的使用 函数原型 template < class InputIterator, class OutputIterator, class UnaryO ...
- 优化MySQL插入方法的五个妙招
以下是涉及到插入表格的查询的5种改进方法: 1)使用LOAD DATA INFILE从文本下载数据这将比使用插入语句快20倍. 2)使用带有多个VALUES列表的INSERT语句一次插入几行这将比使用 ...
- 线段树【p4879】ycz的妹子
Description 机房神犇yczycz有n个青梅竹马,她们分别住在1~n号城市中.小时候的她们美丽可爱,但是由于女大十八变,有些妹子的颜值发生了变化,但是十分重感情的\(ycz\)神犇不忍心抛弃 ...