AI智能
改变未来

Numpy基本操作学习

Numpy:arange、linspace、logspace、zeros、ones、eye、diag、shape、ndim、size、dtype

Numpy

import numpy as np # 导入numpy库arr1 = np.array([9,5,7,8]) # 创建一维数组# array([9, 5, 7, 8])# 创建一维数组并指定元素类型为‘str’arr2 = np.array([-9,7,4,3],dtype=\'str\') # array([\'-9\', \'7\', \'4\', \'3\'], dtype=\'<U2\')# 创建二维数组arr3 = np.array([[1,2,3,4],[4,5,6,7],[9,6,3,8]])# array([[1, 2, 3, 4],#        [4, 5, 6, 7],#        [9, 6, 3, 8]])

arange:

# 从0开始 10截止 左开右闭 步长0.5np.arange(0,10,0.5)# array([0. , 0.5, 1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5, 5. , 5.5, 6. ,#        6.5, 7. , 7.5, 8. , 8.5, 9. , 9.5])

linspace:

# 步长 = (10-1)/(11-1)np.linspace(1,10,10)# array([ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.])np.linspace(1,10,11)# array([ 1. ,  1.9,  2.8,  3.7,  4.6,  5.5,  6.4,  7.3,  8.2,  9.1, 10. ])np.linspace(1,10,10,endpoint=False)# array([1. , 1.9, 2.8, 3.7, 4.6, 5.5, 6.4, 7.3, 8.2, 9.1])

logspace:

# 从一到五 等比数列 以二为底 十个数为幂np.logspace(1,5,base=2,num=10)# array([ 2.        ,  2.72158   ,  3.70349885,  5.0396842 ,  6.85795186,#         9.33223232, 12.69920842, 17.28095582, 23.51575188, 32.        ])

与上等效

2 ** np.linspace(1,5,10)# array([ 2.        ,  2.72158   ,  3.70349885,  5.0396842 ,  6.85795186,#         9.33223232, 12.69920842, 17.28095582, 23.51575188, 32.        ])

zeros:

# 五行五列 以0补充np.zeros([5,5])# array([[0., 0., 0., 0., 0.],#        [0., 0., 0., 0., 0.],#        [0., 0., 0., 0., 0.],#        [0., 0., 0., 0., 0.],#        [0., 0., 0., 0., 0.]])

ones:

# 以 1 补充 七行七列np.ones([7,6])# array([[1., 1., 1., 1., 1., 1.],#        [1., 1., 1., 1., 1., 1.],#        [1., 1., 1., 1., 1., 1.],#        [1., 1., 1., 1., 1., 1.],#        [1., 1., 1., 1., 1., 1.],#        [1., 1., 1., 1., 1., 1.],#        [1., 1., 1., 1., 1., 1.]])

eye:

# 六行六列 对角线为1np.eye(6)# array([[1., 0., 0., 0., 0., 0.],#        [0., 1., 0., 0., 0., 0.],#        [0., 0., 1., 0., 0., 0.],#        [0., 0., 0., 1., 0., 0.],#        [0., 0., 0., 0., 1., 0.],#        [0., 0., 0., 0., 0., 1.]])

diag:

# 三行三列 对角线 4 5 8np.diag([4,5,8]) # array([[4, 0, 0],#        [0, 5, 0],#        [0, 0, 8]])

shape:

arr3# array([[1, 2, 3, 4],#        [4, 5, 6, 7],#        [9, 6, 3, 8]])# 返回尺寸,三行四列arr3.shape # (3, 4)

ndim:

# 返回一个int类型的数据,表示ndarry的维度arr3.ndim# 2

size:

# 返回数组的元素个数arr3.size# 12

dtype:

# 返回数组中的元素类型arr3.dtype # dtype(\'int32\')
赞(0) 打赏
未经允许不得转载:爱站程序员基地 » Numpy基本操作学习