python numpy

python numpy

数据维度的python表示 一维数据：列表和集合类型 二维数据；列表类型 多位数据：列表类型 高维数据：字典类型或数据表示格式(json,xml,yaml)

NumPy库功能 提供一个n维数组对象ndarray 广播功能函数 整合C/C++/Fortran代码的工具 线性代数、傅里叶变换、随机数生成等功能

ndarray数组 ndarray是一个多维数组对象，由两部分构成： 1、实际的数据 2、描述这些数据的元数据(数据维度、数据类型等)

ndarray数组一般要求所有元素类型相同，数组下标从0开始 ndarray在numpy中的别名是array，可以用​​​np.array()​​​生成一个ndarray数组轴(axis)：表示数据的维度秩(rank)：轴的数量

ndarray对象的属性

import numpy as npa = np.array([[0, 1, 2, 3, 4], [9, 8, 7, 6, 5]])结果： a.ndim --> 2a.shape --> (2, 5)a.size --> 10a.dtype --> dtype('int32')a.itemsize --> 4

ndarray的元素类型

ndarray数组的创建方法1、从python中的列表、元祖等类型创建ndarray数组​​​np.array(list/tuple, [dtype=np.float32])​​​ 注意：元组和列表可以混合使用。x = np.array([[1, 2], [9, 8], (0.1, 0.2)])2、使用numpy中函数创建ndarray数组

3、从字节流中创建4、从文件中读取特定格式

ndarray数组维度变换

ndarray数组的元素类型变换

ndarray数组类型转换

ndarray数组的操作 1、索引：获取数组中特定位置元素的过程 2、切片：获取数组元素子集的过程

一维数组的索引和切片：与python列表类似多维数组的索引和切片：逗号分隔每个维度,冒号表示所有维度多维数组的索引：每个维度取对应的索引​​​x = np.arange(24).reshape((2, 3, 4))​​​ x[1, 2, 3]–>23多维数组的切片：每个维度取对应的索引 x[:, 1, 2]–>array([ 6, 18])

numpy一元运算函数

numpy二元运算函数

csv(逗号分格值) 是一种常见的文件格式，用来存储批量数据csv只能存储一维和二维数组，即np.savetxt和np.loadtxt只能读取和存储一维和二维数组

写文件​​​np.savetxt(fname, array, fmt="%.18e", delimiter=None)​​​ fname:文件、字符串或产生器，可以是.gz或.bz2的压缩文件 array:存入文件的数组 fmt:写入文件的格式，例如:%d, %.2f, %.18e delimiter:分隔字符串，默认是任何空格

a = np.array([1,2,3,4,5])np.savetxt("C:\\Users\\dell\\Desktop\\1\\a.csv", a, fmt="%d", delimiter=",")

读文件​​​np.loadtxt(fname, dtype=np.float, delimiter=None, unpack=False)​​​ fname:文件、字符串或产生器，可以是.gz或.bz2的压缩文件 dtype:数据类型，可选 delimiter:分隔字符串，默认是空格 unpack:如果是True，读入属性将分别写入不同变量

b = np.loadtxt("C:\\Users\\dell\\Desktop\\1\\a.csv", delimiter=",")

多维数据的文件读取和存储​​​a.tofile(fname, sep="", format="%s")​​​ fname:文件、字符串 sep:数据分隔字符串，如果是空串，写入文件为二进制 format:写入数据的格式

​​a.fromfile(fname, dtype=np.float, count=-1, sep="")​​​ fname:文件、字符串 dtype:读取的数据类型 count=读入元素个数，-1表示读入整个文件 sep:数据分隔字符串，如果是空串，写入文件为二进制

numpy便捷文件存取​​​np.save(fname, array)或np.savez(fname, array)​​​ fname:文件名，以.npy为扩展名，压缩扩展名为.npz array:数组变量

​​np.load(fname)​​

numpy库的随机数函数子库(random)np.random的随机数函数

numpy的统计函数

a = np.arange(15).reshape(3, 5)>>> np.sum(a)105>>> np.sum(a, axis=1)array([10, 35, 60])>>> np.mean(a, axis=1)array([ 2., 7., 12.])>>> np.mean(a, axis=0)array([5., 6., 7., 8., 9.])

a = np.arange(24).reshape(2, 3,4)>>> np.argmax(a)23>>> np.unravel_index(np.argmax(a), a.shape)(1, 2, 3)

numpy的梯度函数

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。