numpy 几种属性

• ndim: 维度
• shape: 行数和列数
• size: 元素个数

打印 numpy 的几种属性

print('number of dim:',array.ndim) # 维度
# number of dim: 2

print('shape :',array.shape) # 行数和列数
# shape : (2, 3)

print('size:',array.size) # 元素个数
# size: 6

numpy 创建 array

• array：创建数组
• dtype：指定数据类型
• zeros：创建数据全为0
• ones：创建数据全为1
• empty：创建数据接近0
• arrange：按指定范围创建数据
• linspace：创建线段

创建数组

a = np.array([2, 23, 4])  # 一维数组
print(a)
# [2 23 4]

创建全 1 数组

a = np.ones((3, 4), dtype = np.int) # 创建 3 行 4 列的全 1 数组，数据类型为 int 型
array([[1, 1, 1, 1],
       [1, 1, 1, 1],
       [1, 1, 1, 1]])

使用 reshape 改变数据形状

a = np.arange(12).reshape((3, 4))
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

numpy 的几种基本运算

c = a+b

c = a*b # 对应元素相乘

c = b**2  # b 的二次方

c = 10*np.sin(a) # 调用 numpy 中的 sin 函数

print(b<3) # 进行逻辑判断,返回 bool 类型数据

c_dot = np.dot(a, b) # 矩阵乘法

索引

import numpy as np

A = np.arange(3,15)
# array([3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])        

print(A[3])    
# 6

A = np.arange(3,15).reshape((3,4))

array([[ 3,  4,  5,  6]
       [ 7,  8,  9, 10]
       [11, 12, 13, 14]])        

print(A[2])         
# [11 12 13 14]

print(A[1, 1:3])    # [8 9] # 切片处理

for row in A:

    print(row)  # 使用 for 函数进行打印
[ 3,  4,  5, 6]
[ 7,  8,  9, 10]
[11, 12, 13, 14]

array 上下合并 np.vstack()

import numpy as np
A = np.array([1,1,1])
B = np.array([2,2,2])
         
print(np.vstack((A,B)))    # vertical stack

[[1,1,1]
 [2,2,2]]

C = np.vstack((A,B))      
print(A.shape,C.shape) # 合并后的 array 属性

# (3,) (2,3)

array 左右合并 np.hstack()

D = np.hstack((A,B))       # horizontal stack

print(D)
# [1,1,1,2,2,2]

print(A.shape,D.shape)
# (3,) (6,)

array 多个矩阵或序列合并时 concatenate函数

C = np.concatenate((A,B,B,A),axis=0)

print(C)
"""
array([[1],
       [1],
       [1],
       [2],
       [2],
       [2],
       [2],
       [2],
       [2],
       [1],
       [1],
       [1]])
"""

D = np.concatenate((A,B,B,A),axis=1)

print(D)
"""
array([[1, 2, 2, 1],
       [1, 2, 2, 1],
       [1, 2, 2, 1]])
"""

print(help()) # 打印帮助文档

print(X.shape) # 查看 X 的数据格式（多少行多少列）

axis参数很好的控制了矩阵的纵向或是横向打印，相比较vstack和hstack函数显得更加方便。

numpy读取文本读出来的是数组的形式

笔记整理自 莫烦 Python 课程教学