标签：维度 正态分布 一维数组 ack 函数 位数组 随机 运算 ems
1 # !usr/bin/env python 2 # Author:@vilicute 3 import numpy as np 4 # 1、用array创建数组并查看数组的属性 5 arr1 = np.array([1, 2, 3, 4]) # 一维数组 6 print("一维数组创建：arr1 = ", arr1) 7 arr2 = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) # 二维数组 8 print("\n二维数组创建：arr2 = \n", arr2) 9 # 数组属性 10 print("数组维数：", arr2.ndim) 11 print("数组维度：", arr2.shape) 12 print("数组类型：", arr2.dtype) 13 print("元素个数：", arr2.size) 14 print("元素大小：", arr2.itemsize) 15 arr2.shape = 4, 3 # 重新设置维度属性 16 print("\n重置维度后的数组为：arr2_reshape = \n", arr2) 17 ‘‘‘ 18 一维数组创建：arr1 = [1 2 3 4] 19 二维数组创建：arr2 = 20 [[ 1 2 3 4] 21 [ 5 6 7 8] 22 [ 9 10 11 12]] 23 数组维数： 2 24 数组维度： (3, 4) 25 数组类型： int32 26 元素个数： 12 27 元素大小： 4 28 重置维度后的数组为：arr2_reshape = 29 [[ 1 2 3] 30 [ 4 5 6] 31 [ 7 8 9] 32 [10 11 12]] 33 ‘‘‘ 34 35 # 2、用arange创建数组 36 arr3 = np.arange(0, 1, 0.1) # (初值，终值，间隔) 左闭右开 37 print("\n等差数组：arr3 = ", arr3) 38 ‘‘‘ 39 等差数组：arr3 = [0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9] 40 ‘‘‘ 41 # 3、用linspace创建数组 42 arr4 = np.linspace(0, 1, 4) # (初值，终值，个数) 等差数列 43 print("\n特殊等差数组：arr4 = ", arr4) 44 ‘‘‘ 45 特殊等差数组：arr4 = [0. 0.33333333 0.66666667 1. ] 46 ‘‘‘ 47 # 4、用logspace创建数组 48 arr5 = np.logspace(0, 2, 4) # (10^0，10^2，个数) 等比数列 49 print("\n10^等比数组：arr5 = ", arr5) 50 ‘‘‘ 51 10^等比数组：arr5 = [ 1. 4.64158883 21.5443469 100. ] 52 ‘‘‘ 53 # 5、用zeros创建数组 54 arr6 = np.zeros((3, 3)) # (a,b) 维数 55 print("\n全0数组：arr6 = \n", arr6) 56 ‘‘‘ 57 全0数组：arr6 = 58 [[0. 0. 0.] 59 [0. 0. 0.] 60 [0. 0. 0.]] 61 ‘‘‘ 62 # 6、用eye创建数组 63 arr7 = np.eye(3) # 类似于单位矩阵 64 print("\n单位对角数组：arr7 = \n", arr7) 65 ‘‘‘ 66 单位对角数组：arr7 = 67 [[1. 0. 0.] 68 [0. 1. 0.] 69 [0. 0. 1.]] 70 ‘‘‘ 71 # 7、用diag创建数组 72 arr8 = np.diag([1, 2, 3, 4]) # [a,b,c,d] 对角元素 73 print("\n对角数组：arr8 = \n", arr8) 74 ‘‘‘ 75 对角数组：arr8 = 76 [[1 0 0 0] 77 [0 2 0 0] 78 [0 0 3 0] 79 [0 0 0 4]] 80 ‘‘‘ 81 # 8、用ones创建数组 82 arr9 = np.ones((4, 3)) # (a,b) 维数 83 print("\n单位数组：arr9 = \n", arr9) 84 ‘‘‘ 85 单位数组：arr9 = 86 [[1. 1. 1.] 87 [1. 1. 1.] 88 [1. 1. 1.] 89 [1. 1. 1.]] 90 ‘‘‘ 91 # 9、自定义数据数组创建 92 arr10 = np.array([("vilicute", 52, 5.02), ("shame", 55, 55.02)]) 93 print("\n自定义数据类型数组：arr10 = \n", arr10) 94 ‘‘‘ 95 自定义数据类型数组：arr10 = 96 [[‘vilicute‘ ‘52‘ ‘5.02‘] 97 [‘shame‘ ‘55‘ ‘55.02‘]] 98 ‘‘‘ 99 # 10、生成随机数组 100 arr11 = np.random.random(10) # 个数 101 print("\n随机数组：arr11 = \n", arr11) 102 ‘‘‘ 103 随机数组：arr11 = 104 [0.10325528 0.58512919 0.44988683 0.49719158 0.6361162 0.08344581 0.00998028 0.85750635 0.37264001 0.94651211] 105 ‘‘‘ 106 # 11、生成服从均匀分布随机数 107 arr12 = np.random.rand(4, 3) 108 print("\n服从均匀分布随机数组：arr12 = \n", arr12) 109 ‘‘‘ 110 服从均匀分布随机数组：arr12 = 111 [[0.85982146 0.31343986 0.89078588] 112 [0.15717079 0.04499381 0.32277901] 113 [0.70737793 0.75456669 0.43207658] 114 [0.73633332 0.05820537 0.73123502]] 115 ‘‘‘ 116 # 12、生成服从正态分布随机数 117 arr13 = np.random.randn(4, 3) 118 print("\n服从正态分布随机数组：arr13 = \n", arr13) 119 ‘‘‘ 120 服从正态分布随机数组：arr13 = 121 [[ 0.36057176 -0.71389648 -0.26165942] 122 [ 1.38415272 0.90255961 -1.42104002] 123 [ 0.48616978 1.22208226 0.65215556] 124 [ 0.2997037 1.31383623 -0.10306966]] 125 ‘‘‘ 126 # 13、生成给定上下限的随机数组 127 arr14 = np.random.randint(2, 10, size=[2, 5]) # size 维数 128 print("\n给定上下限的随机数组:arr14 = \n", arr14) 129 ‘‘‘ 130 给定上下限的随机数组:arr14 = 131 [[2 8 4 4 7] 132 [3 7 5 6 5]] 133 ‘‘‘
1 # !usr/bin/env python 2 # Author:@vilicute 3 import numpy as np 4 ar = np.random.randint(0,10,size = [4,5]) 5 print(ar) 6 print(ar[1,3]) # 第二行第四列 7 print(ar[0,2:4]) # 0行的3，4列元素 8 print(ar[1:,2:]) # 1行2列之后的元素 9 print(ar[:,2]) # 第3列元素 10 print(ar[2,:]) # 第3行元素 11 ‘‘‘ 12 [[6 0 3 8 9] 13 [8 7 4 8 2] 14 [0 0 1 7 2] 15 [8 2 0 8 7]] 16 17 8 18 [3 8] 19 [[4 8 2] 20 [1 7 2] 21 [0 8 7]] 22 23 [3 4 1 0] 24 [0 0 1 7 2] 25 ‘‘‘
1 # !usr/bin/env python 2 # Author:@vilicute 3 import numpy as np 4 arr1 = np.arange(12) 5 print(arr1) 6 array1 = arr1.reshape(3, 4) 7 print("\n新的数组形态为：\n", array1) 8 ndim = arr1.reshape(3, 4).ndim 9 print("\n数组维度：", ndim) 10 ‘‘‘ 11 [ 0 1 2 3 4 5 6 7 8 9 10 11] 12 新的数组形态为： 13 [[ 0 1 2 3] 14 [ 4 5 6 7] 15 [ 8 9 10 11]] 16 数组维度： 2 17 ‘‘‘ 18 arr2 = np.random.randint(5, 15, size=[4, 5]) 19 print(arr2) 20 arr2_ravel = arr2.ravel() #数组（横向）展平 21 arr2_flatten = arr2.flatten() #数组（横向）展平 22 arr2_flatten_F = arr2.flatten(‘F‘) #数组（纵向）展平 23 print("\n数组（横向）展平ravel(): ", arr2_ravel) 24 print("\n数组（横向）展平flatten(): ", arr2_flatten) 25 print("\n数组（纵向）展平flatten(): ", arr2_flatten_F) 26 ‘‘‘ 27 [[12 5 6 8 10] 28 [11 11 8 11 7] 29 [13 7 5 5 11] 30 [ 8 6 11 13 6]] 31 数组（横向）展平ravel(): [12 5 6 8 10 11 11 8 11 7 13 7 5 5 11 8 6 11 13 6] 32 数组（横向）展平flatten(): [12 5 6 8 10 11 11 8 11 7 13 7 5 5 11 8 6 11 13 6] 33 数组（纵向）展平flatten(): [12 11 13 8 5 11 7 6 6 8 5 11 8 11 5 13 10 7 11 6] 34 ‘‘‘ 35 arr3 = arr2*2 36 print("\n乘法计算：\n", arr3) 37 ‘‘‘ 38 乘法计算： 39 [[24 10 12 16 20] 40 [22 22 16 22 14] 41 [26 14 10 10 22] 42 [16 12 22 26 12]] 43 ‘‘‘ 44 arr_hstack = np.hstack((arr2, arr3)) #横向组合 45 arr_vstack = np.vstack((arr2, arr3)) #纵向组合 46 print("\narr2与arr3横向组合：\n", arr_hstack) 47 print("\narr2与arr3纵向组合：\n", arr_vstack) 48 ‘‘‘ 功能同上 49 arr_hstack = np.concatenate((arr2, arr3), axis=1) #横向组合 50 arr_vstack = np.concatenate((arr2, arr3), axis=0) #纵向组合 51 print("\narr2与arr3横向组合：\n", arr_hstack) 52 print("\narr2与arr3纵向组合：\n", arr_vstack) 53 ‘‘‘ 54 ‘‘‘ 55 arr2与arr3横向组合： 56 [[12 5 6 8 10 24 10 12 16 20] 57 [11 11 8 11 7 22 22 16 22 14] 58 [13 7 5 5 11 26 14 10 10 22] 59 [ 8 6 11 13 6 16 12 22 26 12]] 60 arr2与arr3纵向组合： 61 [[12 5 6 8 10] 62 [11 11 8 11 7] 63 [13 7 5 5 11] 64 [ 8 6 11 13 6] 65 [24 10 12 16 20] 66 [22 22 16 22 14] 67 [26 14 10 10 22] 68 [16 12 22 26 12]] 69 ‘‘‘ 70 arr4 = np.arange(16).reshape(4, 4) 71 print("\narr4=\n", arr4) 72 arr_hsplit = np.hsplit(arr4, 2) #横向分割, <=>np.split(arr4,2,axis = 1) 73 arr_vsplit = np.vsplit(arr4, 2) #纵向分割, <=>np.split(arr4,2,axis = 0) 74 print("\n横向分割：\n", arr_hsplit) 75 print("\n纵向分割：\n", arr_vsplit) 76 ‘‘‘ 77 arr4= 78 [[ 0 1 2 3] 79 [ 4 5 6 7] 80 [ 8 9 10 11] 81 [12 13 14 15]] 82 横向分割： 83 [array([[ 0, 1], 84 [ 4, 5], 85 [ 8, 9], 86 [12, 13]]), 87 array([[ 2, 3], 88 [ 6, 7], 89 [10, 11], 90 [14, 15]])] 91 纵向分割： 92 [array([[0, 1, 2, 3], 93 [4, 5, 6, 7]]), 94 array([[ 8, 9, 10, 11], 95 [12, 13, 14, 15]])] 96 ‘‘‘
1 # !usr/bin/env python 2 # Author:@vilicute 3 import numpy as np 4 arr1 = np.random.randint(10, 100, size=[4, 5]) 5 arr2 = np.random.randint(10, 100, size=[4, 4]) 6 arr3 = np.random.randint(10, 100, size=[4, 3]) 7 arr4 = np.array([‘小明‘, ‘小小‘, ‘小红‘, ‘小明‘, ‘小米‘, ‘小迭‘]) 8 print("\narr1=\n", arr1, "\narr2=\n", arr2, "\narr3=\n", arr3) 9 arr1.sort(axis=1) 10 print("\n横向排序 arr1 =\n", arr1) 11 print("\narr2=\n", arr2) 12 arr2.sort(axis=0) 13 print("\n纵向排序 arr2 =\n", arr2) 14 print("\narr3=\n", arr3) 15 print("\n排序下标(按行给出)：\n", arr3.argsort()) 16 print("\narr4=", arr4) 17 print("\n去重：", np.unique(arr4)) 18 print("\n重复：", np.tile(arr4, 2)) 19 print("\n按行重复：\n", arr1.repeat(2, axis=1)) 20 print("\n按列重复：\n", arr1.repeat(2, axis=0)) 21 ‘‘‘ 22 arr1= 23 [[24 11 78 47 65] 24 [81 54 56 90 45] 25 [75 61 50 22 23] 26 [77 64 63 84 69]] 27 arr2= 28 [[12 23 37 32] 29 [41 20 58 77] 30 [43 76 42 97] 31 [77 53 28 90]] 32 arr3= 33 [[53 33 81] 34 [77 22 63] 35 [90 20 66] 36 [28 61 38]] 37 横向排序 arr1 = 38 [[11 24 47 65 78] 39 [45 54 56 81 90] 40 [22 23 50 61 75] 41 [63 64 69 77 84]] 42 arr2= 43 [[12 23 37 32] 44 [41 20 58 77] 45 [43 76 42 97] 46 [77 53 28 90]] 47 纵向排序 arr2 = 48 [[12 20 28 32] 49 [41 23 37 77] 50 [43 53 42 90] 51 [77 76 58 97]] 52 arr3= 53 [[53 33 81] 54 [77 22 63] 55 [90 20 66] 56 [28 61 38]] 57 排序下标(按行给出)： 58 [[1 0 2] 59 [1 2 0] 60 [1 2 0] 61 [0 2 1]] 62 arr4= [‘小明‘ ‘小小‘ ‘小红‘ ‘小明‘ ‘小米‘ ‘小迭‘] 63 去重： [‘小小‘ ‘小明‘ ‘小米‘ ‘小红‘ ‘小迭‘] 64 重复： [‘小明‘ ‘小小‘ ‘小红‘ ‘小明‘ ‘小米‘ ‘小迭‘ ‘小明‘ ‘小小‘ ‘小红‘ ‘小明‘ ‘小米‘ ‘小迭‘] 65 按行重复： 66 [[11 11 24 24 47 47 65 65 78 78] 67 [45 45 54 54 56 56 81 81 90 90] 68 [22 22 23 23 50 50 61 61 75 75] 69 [63 63 64 64 69 69 77 77 84 84]] 70 按列重复： 71 [[11 24 47 65 78] 72 [11 24 47 65 78] 73 [45 54 56 81 90] 74 [45 54 56 81 90] 75 [22 23 50 61 75] 76 [22 23 50 61 75] 77 [63 64 69 77 84] 78 [63 64 69 77 84]] 79 ‘‘‘
1 # !usr/bin/env python 2 # Author:@vilicute 3 import numpy as np 4 arr1 = np.random.randint(10, 100, size=[4, 5]) 5 print("\narr1=\n", arr1) 6 arr_sum = np.sum(arr1) #求和 7 arr_sum0 = arr1.sum(axis=0) #纵向求和 8 arr_sum1 = arr1.sum(axis=1) #横向求和 9 arr_mean = np.mean(arr1) #均值 10 arr_mean0 = arr1.mean(axis=0) #纵向均值 11 arr_mean1 = arr1.mean(axis=1) #横向均值 12 arr_std = np.std(arr1) #标准差 13 arr_var = np.var(arr1) #方差 14 arr_min = np.min(arr1) #最小值 15 arr_max = np.max(arr1) #最大值 16 arr_argmin = np.argmin(arr1) #最小值索引 17 arr_argmax = np.argmax(arr1) #最大值索引
18 print("\n求和：", arr_sum) 19 print("\n纵向求和：", arr_sum0) 20 print("\n横向求和：", arr_sum1) 21 print("\n均值：",arr_mean) 22 print("\n纵向均值：", arr_mean0) 23 print("\n横向均值：", arr_mean1) 24 print("\n标准差：", arr_std) 25 print("\n方差：", arr_var) 26 print("\n最小值：", arr_min) 27 print("\n最大值：", arr_max) 28 print("\n最小值索引：", arr_argmin) 29 print("\n最大值索引：", arr_argmax)
30 ‘‘‘ 31 arr1= 32 [[28 54 50 40 75] 33 [93 26 95 81 41] 34 [12 43 73 49 82] 35 [27 26 26 13 37]] 36 求和： 971 37 纵向求和： [160 149 244 183 235] 38 横向求和： [247 336 259 129] 39 均值： 48.55 40 纵向均值： [40.00 37.25 61.00 45.75 58.75] 41 横向均值： [49.4 67.2 51.8 25.8] 42 标准差： 25.437128375663793 43 方差： 647.0475000000001 44 最小值： 12 45 最大值： 95 46 最小值索引： 10 47 最大值索引： 7 48 ‘‘‘
（6）数组运算
1 # !usr/bin/env python 2 # Author:@vilicute 3 4 # ufunc函数，针对数组所有元素进行操作，效率高 5 6 import numpy as np 7 8 arr1 = np.array([9,6,3]) 9 arr2 = np.array([2,5,6]) 10 arr3 = np.array([[1,1,1,],[2,2,2],[3,3,3],[4,4,4]]) 11 arr4 = np.array([[4],[5],[6],[7]]) 12 13 print("相加：",arr1+arr2) 14 print("相减：",arr1-arr2) 15 print("相乘：",arr1*arr2) 16 print("相除：",arr1/arr2) 17 print("幂运算：",arr1**arr2) 18 19 print("比较运算：",arr1<arr2) # > <= >= == != 20 print("逻辑and 和 or：",np.all(arr1 == arr2),np.any(arr1 == arr2)) 21 print("\n一维广播机制相加：\n",arr1+arr3) 22 print("\n二维广播机制相加：\n",arr4+arr3) 23 24 ‘‘‘ 25 相加： [11 11 9] 26 相减： [ 7 1 -3] 27 相乘： [18 30 18] 28 相除： [4.5 1.2 0.5] 29 幂运算： [ 81 7776 729] 30 比较运算： [False False True] 31 逻辑and 和 or： False False 32 一维广播机制相加： 33 [[10 7 4] 34 [11 8 5] 35 [12 9 6] 36 [13 10 7]] 37 二维广播机制相加： 38 [[ 5 5 5] 39 [ 7 7 7] 40 [ 9 9 9] 41 [11 11 11]] 42 ‘‘‘
标签：维度 正态分布 一维数组 ack 函数 位数组 随机 运算 ems
原文地址：https://www.cnblogs.com/vilicute/p/11605376.html
