python扩展库1—numpy

栏目: Python · 发布时间: 6年前

内容简介:python扩展库1—numpy

1 数组对象

创建数组

import numpy as np
a = np.arange(10)
b = np.arange(2,10,1) #[2,10)步长为1
c = np.linspace(0,10,20) #[0,10]共20个
d = np.array([range(5)]) #用list/tuple创建数组

快速生成x*y的全零数组

a = np.zeros((3,4))

0~1的随机数

a = np.random.rand(5)

一维数组转化为二维数组

a = np.arange(20)
a = a.reshape(4,5)

ps:使用reshape(-1,5)得到一样的结果,会根据列自动适应行

构造更高维的

a = a.reshape(2,2,5)

二维数组转化为一维数组

a = np.array([[1,2,3],[4,5,6]])
a = np.ravel(a)

查看数组属性

a.ndim查看维度,a.shape查看各维度大小,a.size查看元素个数,a.dtype查看元素类型

数组切割vsplit()和hsplit()

vsplit()来进行分行,而hsplit分列,np.vsplit(arr,indices)

a = np.arange(18).reshape(-1,3)
print a
print np.vsplit(a,3)  
print np.hsplit(a,3)

输出为

array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11],
       [12, 13, 14],
       [15, 16, 17]])
[array([[0, 1, 2],
       [3, 4, 5]]), array([[ 6,  7,  8],
       [ 9, 10, 11]]), array([[12, 13, 14],
       [15, 16, 17]])]
[array([[ 0],
       [ 3],
       [ 6],
       [ 9],
       [12],
       [15]]), array([[ 1],
       [ 4],
       [ 7],
       [10],
       [13],
       [16]]), array([[ 2],
       [ 5],
       [ 8],
       [11],
       [14],
       [17]])]

按指定位置切分

将第二个参数改为list,来指定切分的位置

print np.vsplit(1,4) #以第1和第4行进行切分

数组操作

1) ‘+’,’-’,’*’,’/’ 加减乘除

2)开根号、指数操作

a = np.array([1,2])
print np.array(a)
print np.sqrt(a)
print np.exp(a)
print np.square(a)
print np.power(a,5)
print a**5  #和np.power(a,5)效果一样

3)最大最小值

a.min()
a.max()
a.sum()
a.min(axis=0) #minimun element in each column  
a.min(axis=1) #minimun element in each row
a.max(axis=0)
a.max(axis=1)

4)数组均值、中位数

np.mean(a)
np.median(a)

数组取值

1)可以直接使用下标取值,直接赋值为浅拷贝(b=a,为b指向了a的内存地址),要真正拷贝,使用copy

a = np.array([[1,2],[3,4]])
b = a
c = a.copy()
print a[0][0], b[0][0], c[0][0]  #1 1 1
b[0][0] = 5
print a[0][0], b[0][0], c[0][0]  # 5 5 1

2)利用’:’可以访问某一维的全部数据

a = np.arange(20).reshape(4, 5)
print a[:,[1,3]] #取出a的每一行的第2到4个元素

数组拼接

a = np.array([1,2,3])
b = np.array([4,5,6])
c = np.hstack([a,b]) #[1, 2, 3, 4, 5, 6]
d = np.vstack([a,b]) #[[1, 2, 3],
                                # [4, 5, 6]]

二 矩阵对象

创建矩阵

矩阵是二维的,而数组的可以是任意正整数维

a = np.arange(5)
a = np.mat(a) #[[0, 1, 2, 3, 4]]
b = np.mat('1 2;3 4') #[[1, 2],
         #[3, 4]]

矩阵乘法

矩阵的’*’操作符进行的是矩阵乘法,乘号左侧的矩阵列和乘号右侧的矩阵行要相等,而在数组中’*’操作符进行的是每一元素的对应相乘,乘号两侧的数组每一维大小需要一致

矩阵转置

a = np.array([[1, 2, 3], [4, 5, 6]])
print np.transpose(a)   #数组用transpose
print np.matrix(a).T  #矩阵用T

矩阵求逆

a = np.mat('1.0 2.0;3.0 4.0')
b = nlg.inv(a)
print a*b #[[1.0000000e+00 0.0000000e+00]
    #[8.8817842e-16 1.0000000e+00]]

特征值与特征向量

eig_value, eig_vector = nlg.eig(a)

3 其他

缺失值处理

用nan作为缺失值,用isnan判定

a = np.random.rand(2,2)
a[0, 1] = np.nan
print np.isnan(a) #[[False  True]
 # [False False]]

以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

跨境电商——阿里巴巴速卖通宝典

跨境电商——阿里巴巴速卖通宝典

速卖通大学 编著 / 电子工业出版社 / 2015-1 / 69.00元

跨境电商作为中国电子商务发展的最新趋势,受到了全社会越来越多的重视,大量中国卖家借助阿里巴巴速卖通平台,将产品直接售卖到全球的消费者手中,通过这条短得不能再短的交易链,获得了丰厚的回报。 但同时,跨境电商这一贸易形式,对卖家的综合素质要求比较高:卖家要对海外市场比较熟悉,对跨境物流有所把握,能够用外语进行产品介绍和客户交流,通过跨境结算拿到货款……诸如此类的门槛,让不少新卖家心生畏难,而所有......一起来看看 《跨境电商——阿里巴巴速卖通宝典》 这本书的介绍吧!

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

HEX CMYK 转换工具
HEX CMYK 转换工具

HEX CMYK 互转工具

HEX HSV 转换工具
HEX HSV 转换工具

HEX HSV 互换工具