标签：最大 求和 注意 获取 shape nump tst out atp
使用np.array()创建
import numpy as np
# 一维数据创建
ret = np.array([1, 2, 3])
# 二维数据创建
ret = np.array([[1, 2, 3], [4, 5, 6]])
print(ret)numpy默认ndarray的所有元素的类型是相同的
如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str>float>int
使用matplotlib.pyplot获取一个numpy数组，数据来源于一张图片
import matplotlib.pylab as plt
# 图片数据转化为数组
img_arr = plt.imread('./cat.jpg')
# 数组转图片
img_show = plt.imshow(img_arr)
# 操作该numpy数据，该操作会同步到图片中
plt.imshow(img_arr-100)使用np的routines函数创建
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 等差数列
np.linspace(0,100,num=20)np.arange([start, ]stop, [step, ]dtype=None)
np.arange(0,100,2)np.random.randint(low, high=None, size=None, dtype=‘l‘) 随机生成
np.random.seed(100) #固定随机性#随机因子：系统的时间
arr = np.random.randint(0,100,size=(4,5)) #size 4行5列np.random.random(size=None)
生成0到1的随机数，左闭右开 np.random.seed(3)
np.random.random(size=(4,5)) # 4行5列4个必记参数： ndim：维度 shape：形状（各维度的长度） size：总长度
dtype：元素类型
arr = np.random.randint(0, 100, size=(4, 5))
arr.ndim
arr.shape
...索引
切片
np.random.seed(100) # 固定随机性#随机因子：系统的时间
arr = np.random.randint(0, 100, size=(4, 5))
#获取二维数组前两行
arr[0:2]
#获取二维数组前两列
arr[:,0:2]
# 获取二维数组前两行和前两列数据
arr[0:2,0:2]
# 将数组的行倒序
arr[::-1]
#列倒序
arr[:,::-1]
#全部倒序
arr[::-1,::-1]
# 图片倒置,裁剪
plt.imshow(img_arr[:,::-1,:])变形
使用arr.reshape()函数，注意参数是一个tuple！
将一维数组变形成多维数组 arr_1.reshape((2,10))
arr_1 = np.random.randint(0, 100, size=(1,20))
print(arr_1)
print(arr_1.reshape((2, 10)))
'''[[ 9 93 86 2 27 4 31 1 13 83 4 91 59 67 7 49 47 65 61 14]]
[[ 9 93 86 2 27 4 31 1 13 83]
[ 4 91 59 67 7 49 47 65 61 14]]
'''将多维数组变形成一维数组 arr.reshape((20,))
级联
np.concatenate()
一维，二维，多维数组的级联，实际操作中级联多为二维数组
np.concatenate((arr,arr,arr),axis=1)
array([[ 8, 24, 67, 87, 79],
[48, 10, 94, 52, 98],
[53, 66, 98, 14, 34],
[24, 15, 60, 58, 16]])
np.concatenate((arr,arr,arr),axis=1)
array([[ 8, 24, 67, 87, 79, 8, 24, 67, 87, 79, 8, 24, 67, 87, 79],
[48, 10, 94, 52, 98, 48, 10, 94, 52, 98, 48, 10, 94, 52, 98],
[53, 66, 98, 14, 34, 53, 66, 98, 14, 34, 53, 66, 98, 14, 34],
[24, 15, 60, 58, 16, 24, 15, 60, 58, 16, 24, 15, 60, 58, 16]])应用,合并参数一致的图片
img_3 = np.concatenate((img_arr,img_arr,img_arr),axis=1)
img_9 = np.concatenate((img_3,img_3,img_3),axis=0)
plt.imshow(img_9)级联的参数是列表：一定要加中括号或小括号
维度必须相同
形状相符:在维度保持一致的前提下，如果进行横向（axis=1）级联，必须保证进行级联的数组行数保持一致。如果进行纵向（axis=0）级联，必须保证进行级联的数组列数保持一致。
可通过axis参数改变级联的方向
求和np.sum
arr.sum(axis=1) # 横向（axis=1）级联,纵向（axis=0）级联最大最小值：np.max/ np.min
平均值：np.mean()
其他聚合操作
p.sort()与ndarray.sort()都可以，但有区别：
np.sort(arr,axis=0)标签：最大 求和 注意 获取 shape nump tst out atp
原文地址：https://www.cnblogs.com/bigox/p/11460455.html
