|
1.维度相关 .ndim：维度
.shape ：各维度的尺度 （2，5）
.size ：元素的个数 10
.itemsize ：每个元素的大小，以字节为单位
reshape()：改变维度 >>> np.zeros([2,3])array([[ 0., 0., 0.], [ 0., 0., 0.]])>>> np.zeros([2,3]).ndim2>>> np.zeros([2,3]).shape(2, 3)>>> np.zeros([2,3]).size6>>> np.zeros([2,3],dtype="float32").itemsize4>>> np.arange(8).reshape(2,4)array([[0, 1, 2, 3], [4, 5, 6, 7]])shape的引用 >>> np.ones([2,3]).shape[0]2>>> np.ones([2,3]).shape[1]3[np.newaxis,:]增加一个新维度 >>> np.zeros(5).shape(5,)>>> np.zeros(5)[np.newaxis,:].shape(1, 5)>>> np.zeros(5)[:,np.newaxis].shape(5, 1)2. 类型相关2.1 入门操作.dtype ：元素的类型 dtype(‘int32’)
.astype : 改变元素类型 >>> np.zeros([2,3]).dtypedtype('float64')>>> np.zeros([2,3],dtype="float32").dtypedtype('float32')>>> np.ones([2,3]).astype(np.int).dtypedtype('int32')2.2 结构化数据类型结构化数据类型类型于c语言中的结构体。 >>> import numpy as np>>> stu_type=np.dtype([('name','S10'),('score','i1')])>>> stu_sco = np.array([('ZhangSan',100),('LiSi',99),('WangErMaZi',98)],dtype = stu_type)>>> stu_scoarray([(b'ZhangSan', 100), (b'LiSi', 99), (b'WangErMaZi', 98)], dtype=[('name', 'S10'), ('score', 'i1')])>>> stu_sco.shape(3,)>>> stu_sco['name']array([b'ZhangSan', b'LiSi', b'WangErMaZi'], dtype='|S10')>>> stu_sco['score']array([100, 99, 98], dtype=int8)3. 矩阵生成相关np.array()：生成矩阵 >>> np.array([[1,2,4],[4,5,6]])array([[1, 2, 4], [4, 5, 6]])np.arange(n) ; 元素从0到n-1的ndarray类型
np.linspace（1,10,4）： 根据起止数据等间距地生成数组
np.linspace（1,10,4, endpoint = False）：endpoint 表示10是否作为生成的元素 >>> np.arange(5)array([0, 1, 2, 3, 4])>>> np.arange(0,1,0.1)array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])>>> np.linspace(0,1,10)array([ 0. , 0.11111111, 0.22222222, 0.33333333, 0.44444444, 0.55555556, 0.66666667, 0.77777778, 0.88888889, 1. ])>>> np.linspace(0,1,11)array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1. ])>>> np.linspace(0,1,10,endpoint=False)array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])下面这几个shape必须输入[]格式
np.ones(shape): 生成全1
np.zeros((shape)， ddtype = np.int32) ： 生成int32型的全0
np.full(shape, val): 生成全为val
np.eye(n) : 生成单位矩阵 >>> np.full([2,3],4)array([[4, 4, 4], [4, 4, 4]])>>> np.full([2,3],4,dtype=np.int64)array([[4, 4, 4], [4, 4, 4]], dtype=int64)>>> np.eye(3)array([[ 1., 0., 0.], [ 0., 1., 0.], [ 0., 0., 1.]])np.ones_like(a) : 按数组a的形状生成全1的数组
np.zeros_like(a): 同理
np.full_like (a, val) : 同理 >>> np.ones_like(a)array([[1, 1, 1], [1, 1, 1]])>>> np.zeros_like(a)array([[0, 0, 0], [0, 0, 0]])>>> np.full_like(a,5)array([[5, 5, 5],4. 切片和索引[起始：终止（不含有）：步长]
其余和matlab类似 >>> a=np.array([1,2,3,4,5])>>> a[1:4:2]array([2, 4])>>> a=np.array([[1,2,3],[4,5,6]])>>> a[1,:]array([4, 5, 6])5. 计算np.abs(a) np.fabs(a) : 取各元素的绝对值，前者返回int，后者返回float
np.sqrt(a) : 计算各元素的平方根
np.square(a): 计算各元素的平方
np.log(a) np.log10(a) np.log2(a): 计算各元素的自然对数、10、2为底的对数
np.ceil(a) np.floor(a): 计算各元素的ceiling 值， floor值（ceiling向上取整，floor向下取整）
np.rint(a) : 各元素 四舍五入
np.modf(a) : 将数组各元素的小数和整数部分以两个独立数组形式返回
np.exp(a): 计算各元素的指数值
np.sign(a): 计算各元素的符号值 1（+），0，-1（-）
np.maximum(a, b) np.fmax() : 比较（或者计算）元素级的最大值
np.minimum(a, b) np.fmin(): 取最小值
np.mod(a, b) : 元素级的模运算
np.copysign(a, b) : 将b中各元素的符号赋值给数组a的对应元素 6.random库-np.random.rand： [0,1)之间 随机浮点数组
- np.random.randn： 正态分布 浮点数组
-np.random.standard_normal： 标准正态分布 >>> np.random.rand(2,3)array([[ 0.05744458, 0.09174029, 0.79843883], [ 0.3283518 , 0.69069531, 0.17128676]])- np.random.randint(low, high=None, size=None, dtype='l')：整数数组，取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数。
>>> np.random.randint(3)1>>> np.random.randint(3,5)3>>> np.random.randint(3,size=[2,3])array([[1, 0, 2], [0, 1, 2]])>>> np.random.randint(3,5,size=[2,3])array([[3, 4, 3], [4, 3, 4]])>>> np.random.randint(3,size=[2,3]).dtypedtype('int32')
|
收藏
淘帖
踩
