标签：poi 数组 import res com 避免 mit 方法 span
import numpy as np
N维数组对象ndarray
np.array()生成一个ndarray数组
轴(axis)保存数据维度，秩(rank)轴的数量
ndarray对象的属性：
避免使用非同质的ndarray对象。
np.array(list/tuple,dtype=np.float32)
In [24]: np.arange(10) Out[24]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) In [25]: np.ones((3,4)) Out[25]: array([[ 1., 1., 1., 1.], [ 1., 1., 1., 1.], [ 1., 1., 1., 1.]]) In [26]: np.ones((3,4),dtype=np.int32) Out[26]: array([[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]], dtype=int32) In [28]: np.zeros((2,3)) Out[28]: array([[ 0., 0., 0.], [ 0., 0., 0.]]) In [29]: np.eye(5) Out[29]: array([[ 1., 0., 0., 0., 0.], [ 0., 1., 0., 0., 0.], [ 0., 0., 1., 0., 0.], [ 0., 0., 0., 1., 0.], [ 0., 0., 0., 0., 1.]])
In [40]: a=np.linspace(1,25,5) In [41]: a Out[41]: array([ 1., 7., 13., 19., 25.]) In [42]: b=np.linspace(1,25,5,endpoint=False) In [43]: b Out[43]: array([ 1. , 5.8, 10.6, 15.4, 20.2]) In [45]: np.concatenate((a,b)) Out[45]: array([ 1. , 7. , 13. , 19. , 25. , 1. , 5.8, 10.6, 15.4, 20.2])
ndarray数组维度的变换
In [47]: a=np.ones((2,3,4),dtype=np.int32) In [48]: a Out[48]: 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]]], dtype=int32) In [49]: a.reshape(4,6) Out[49]: 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]], dtype=int32) In [50]: a Out[50]: 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]]], dtype=int32) In [51]: a.resize((4,6)) In [52]: a Out[52]: 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]], dtype=int32) In [53]: a.flatten() Out[53]: array([1, 1, 1, ..., 1, 1, 1], dtype=int32) In [54]: a Out[54]: 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]], dtype=int32)
reshape()是另返回一个新的array，原array不变；resize()是改变原数组
数组类型的改变：astype()
ndarray数组向列表的转换：tolist()
In [2]: a=np.ones((2,3,4),dtype=np.int32) In [3]: a Out[3]: 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]]], dtype=int32) In [4]: b=a.astype(np.float) In [5]: b Out[5]: 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.]]])
数据的csv文件存取
np.savetxt(frame,array,fmt=‘%0.18e‘,delimiter=None)
In [22]: a=np.arange(15).reshape((3,5)) In [24]: np.savetxt(‘a.csv‘,a,fmt=‘%d‘,delimiter=‘,‘)
np.loadtxt(frame,dtype=np.float,delimiter=None,unpack=False)
In [25]: b=np.loadtxt(‘a.csv‘,delimiter=‘,‘) In [26]: b Out[26]: array([[ 0., 1., 2., 3., 4.], [ 5., 6., 7., 8., 9.], [ 10., 11., 12., 13., 14.]]) In [27]: b=np.loadtxt(‘a.csv‘,dtype=np.int,delimiter=‘,‘) In [28]: b Out[28]: array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14]])
以上两个函数只能有效存取一维和二维数组，
对于多维数据的存取，可使用tofile()和fromfile()，这两个方法需要知道存入文件时数组的维度和元素类型。
In [29]: a=np.arange(100).reshape(5,2,10) In [30]: a Out[30]: array([[[ 0, 1, 2, ..., 7, 8, 9], [10, 11, 12, ..., 17, 18, 19]], [[20, 21, 22, ..., 27, 28, 29], [30, 31, 32, ..., 37, 38, 39]], [[40, 41, 42, ..., 47, 48, 49], [50, 51, 52, ..., 57, 58, 59]], [[60, 61, 62, ..., 67, 68, 69], [70, 71, 72, ..., 77, 78, 79]], [[80, 81, 82, ..., 87, 88, 89], [90, 91, 92, ..., 97, 98, 99]]]) In [32]: a.tofile(‘b.dat‘,sep=‘,‘,format="%d") In [37]: c=np.fromfile(‘b.dat‘,dtype=np.int,sep=‘,‘) In [38]: c Out[38]: array([ 0, 1, 2, ..., 97, 98, 99]) In [39]: c=np.fromfile(‘b.dat‘,dtype=np.int,sep=‘,‘).reshape(5,2,10) In [40]: c Out[40]: array([[[ 0, 1, 2, ..., 7, 8, 9], [10, 11, 12, ..., 17, 18, 19]], [[20, 21, 22, ..., 27, 28, 29], [30, 31, 32, ..., 37, 38, 39]], [[40, 41, 42, ..., 47, 48, 49], [50, 51, 52, ..., 57, 58, 59]], [[60, 61, 62, ..., 67, 68, 69], [70, 71, 72, ..., 77, 78, 79]], [[80, 81, 82, ..., 87, 88, 89], [90, 91, 92, ..., 97, 98, 99]]])
此外，还可以使用np.save(frame,array)、np.savez(frame,array)和np.load(frame)。这种方法很便捷，以npy为扩展名（压缩扩展名为npz），自动保存了维度信息。
In [42]: a=np.arange(20).reshape(2,2,5) In [44]: np.save(‘a.npy‘,a) In [47]: b=np.load(‘a.npy‘) In [48]: b Out[48]: array([[[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9]], [[10, 11, 12, 13, 14], [15, 16, 17, 18, 19]]])
标签：poi 数组 import res com 避免 mit 方法 span
原文地址：http://www.cnblogs.com/lovealways/p/7076881.html
