查看numpy.array的基本信息

import numpy as npar = np.array([1,2,3,4,5,6,7]) print(ar) # 輸出數組，注意數組的格式：中括號，元素之間沒有逗號（和列表區分） print(ar.ndim) # 輸出數組維度的個數（軸數），或者說“秩”，維度的數量也稱rank print(ar.shape) # 數組的維度，對于n行m列的數組，shape為（n，m） print(ar.size) # 數組的元素總數，對于n行m列的數組，元素總數為n*m print(ar.dtype) # 數組中元素的類型，類似type()（注意了，type()是函數，.dtype是方法） print(ar.itemsize) # 數組中每個元素的字節大小，int32l類型字節為4，float64的字節為8 print(ar.data) # 包含實際數組元素的緩沖區，由于一般通過數組的索引獲取元素，所以通常不需要使用這個屬性。

生成序列

# 創建數組：linspace():返回在間隔[開始，停止]上計算的num個均勻間隔的樣本。ar1 = np.linspace(2.0, 3.0, num=5)# numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) # start：起始值，stop：結束值 # num：生成樣本數，默認為50 # endpoint：如果為真，則停止是最后一個樣本。否則，不包括在內。默認值為True。 # retstep：如果為真，返回（樣本，步驟），其中步長是樣本之間的間距 → 輸出為一個包含2個元素的元祖，第一個元素為array，第二個為步長實際值

創建數組：zeros()/zeros_like()/ones()/ones_like()
ones()/ones_like()和zeros()/zeros_like()一樣，只是填充為1

ar1 = np.zeros(5) ar2 = np.zeros((2,2), dtype = np.int) print(ar1,ar1.dtype) print(ar2,ar2.dtype) print('------') # numpy.zeros(shape, dtype=float, order='C'):返回給定形狀和類型的新數組，用零填充。 # shape：數組緯度，二維以上需要用()，且輸入參數為整數 # dtype：數據類型，默認numpy.float64 # order：是否在存儲器中以C或Fortran連續（按行或列方式）存儲多維數據。C是按行排ar3 = np.array([list(range(5)),list(range(5,10))]) ar4 = np.zeros_like(ar3) print(ar3) print(ar4) print('------') # 返回具有與給定數組相同的形狀和類型的零數組，這里ar4根據ar3的形狀和dtype創建一個全0的數組

切片

ar = np.arange(12).reshape(3,4) m = ar > 5 print(m) # 這里m是一個判斷矩陣 print(ar[m]) # 用m判斷矩陣去篩選ar數組中>5的元素 → 重點！后面的pandas判斷方式原理就來自此處[[False False False False][False False True True][ True True True True]] [ 6 7 8 9 10 11]

隨機模塊

numpy.random.rand(d0, d1, ..., dn)：生成一個[0,1)之間的隨機浮點數或N維浮點數組 —— 均勻分布 numpy.random.randn(d0, d1, ..., dn)：生成一個浮點數或N維浮點數組 —— 正態分布 numpy.random.randint(low, high=None, size=None, dtype='l')：生成一個整數或N維整數數組 # 若high不為None時，取[low,high)之間隨機整數，否則取值[0,low)之間隨機整數，且high必須大于low # dtype參數：只能是int類型

數組類型轉換：.astype()

ar1 = np.arange(10,dtype=float) print(ar1,ar1.dtype) print('-----') # 可以在參數位置設置數組類型ar2 = ar1.astype(np.int32) print(ar2,ar2.dtype) print(ar1,ar1.dtype) # a.astype()：轉換數組類型 # 注意：養成好習慣，數組類型用np.int32，而不是直接int32 [0. 1. 2. 3. 4. 5. 6. 7. 8. 9.] float64 ----- [0 1 2 3 4 5 6 7 8 9] int32 [0. 1. 2. 3. 4. 5. 6. 7. 8. 9.] float64

總結

以上是生活随笔為你收集整理的python--numpy的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。