标签：均值 uil 学习 信息 数组元素 one 进制 重构 array
NumPy中最重要的类是ndarray，ndarray是存储单一数据类型的多维数组。
可以使用索引(从0开始)访问ndarray对象中的元素。
标准的Python列表(list)中，元素是对象。如：L = [1, 2, 3]，需要3个指针和三个整数对象，对于数值运算比较浪费资源。
与此不同，ndarray中元素直接存储为原始数据，元素的类型由ndarray对象中的属性dtype描述。
当ndarray数组中的元素，通过索引或切片返回时，会根据dtype，从原始数据转换成Python对象，以便外部使用。
上图中，ndarray头部信息中的dtype描述了数组元素的数据类型，元素保存为原始数据（二进制数据），从数组中取出后，将根据dtype转换为相应的python对象。
要创建ndarray对象，可以使用numpy模块中的array构造函数。为此，首先需要导入numpy模块。
>>> a = numpy.array
示例
[root@qikegu py3]# python Python 3.7.3 (default, Jun 17 2019, 22:07:41) [GCC 4.8.5 20150623 (Red Hat 4.8.5-36)] on linux Type "help", "copyright", "credits" or "license" for more information. >>> import numpy >>> a = numpy.array >>> print(a) <built-in function array>
可以将集合对象传递给array函数，用于创建与集合对象内容相同的n维数组。语法如下所示：
>>> numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
下表是参数说明：
| 序号 | 参数 | 描述 |
|---|---|---|
| 1 | object | 表示集合对象，可以是列表、元组、字典、集合等等。 |
| 2 | dtype | 可选。可以通过此项参数更改数组元素的类型，默认值是none，表示保持原集合对象中的类型。 |
| 3 | copy | 可选参数。默认是true，表明复制对象。 |
| 4 | order | {‘K’, ‘A’, ‘C’, ‘F’}, 可选参数。指定数组的内存布局，可以是C语言顺序（行）或Fortan语言顺序（列）。详情可参考官方文档。
|
| 5 | subok | 布尔量，可选参数。默认false，表示须返回基类数组；如果设置为true，表示可以返回子类。 |
| 6 | ndmin | 整型，可选。指定返回数组的最小维数。 |
要使用Python列表创建ndarray数组，使用以下语句：
a = numpy.array([1, 2, 3])
示例
>>> a = numpy.array([1,2,3]) >>> print(a) [1 2 3]
要创建多维数组，可使用以下语句。
a = numpy.array([[1, 2, 3], [4, 5, 6]])
示例
>>> a = numpy.array([[1, 2, 3], [4, 5, 6]]) >>> print(a) [[1 2 3] [4 5 6]]
要指定数组元素的数据类型，可以传入dtype参数。
a = numpy.array([1, 3, 5, 7], complex)
示例
指定数组元素为复数类型：
>>> a = numpy.array([1, 3, 5, 7], complex) >>> print(a) [1.+0.j 3.+0.j 5.+0.j 7.+0.j]
ndarray.ndim属性可以用来获取数组的维数。
示例
>>> arr = numpy.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]]) >>> print(arr.ndim) 2
ndarray.itemsize属性用于获取数组元素的大小，该函数返回数组元素的字节数。
示例
#获取数组元素的大小 import numpy as np a = np.array([[1,2,3]]) print("数组元素大小：", a.itemsize, "字节")
输出
数组元素大小： 8 字节
要检查数组元素的数据类型，可以使用ndarray.dtype属性。
示例
#检查数组元素的数据类型 import numpy as np a = np.array([[1,2,3]]) print("数据元素的数据类型是：", a.dtype)
输出
数据元素的数据类型是： int64
要获得数组的形状和大小，可以使用ndarray.size与ndarray.shape属性。
数组形状是指数组的行数和列数，如一个二维数组的形状是：2（行）x 3（列）
示例
import numpy as np a = np.array([[1,2,3,4,5,6,7]]) print("大小:",a.size) print("形状:",a.shape)
输出
大小: 7
形状: (1, 7)
数组的形状指的是多维数组的行数和列数。numpy中，可以改变数组的形状，即数组的行列排布。
ndarray.reshape()函数可用于重构数组。该函数接受新形状的行、列两个参数。
例如，如下图所示，可以把3×2的数组改为2×3的数组。
示例
import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print("原数组：") print(a) a=a.reshape(2,3) print("改变后：") print(a)
输出
原数组： [[1 2] [3 4] [5 6]] 改变后： [[1 2 3] [4 5 6]]
NumPy中，数组切片可以从数组中提取指定范围的数组元素。NumPy中的数组切片方法与python中的列表切片方法类似。
切片语法
arr_name[start: end: step]
[:]表示复制源列表>>> a = np.array([1,2,3,4,5,6,7,8,9]) >>> print(a[:5]) [1 2 3 4 5] >>> print(a[1:5:2]) [2 4]
关于数组切片，后续章节将有详细介绍。
linspace()函数的作用是: 返回给定区间内均匀分布的值。下面的示例，在给定的区间5-15内返回10个均匀分布的值
示例
import numpy as np a=np.linspace(5,15,10) #打印10个值，这些值在给定的区间5-15上均匀地分布 print(a)
输出
[ 5. 6.11111111 7.22222222 8.33333333 9.44444444 10.55555556 11.66666667 12.77777778 13.88888889 15. ]
ndarray.max()、ndarray.min()和ndarray.sum()函数，分别用于获取数组元素中的最大值、最小值以及元素和。
示例
import numpy as np a = np.array([1,2,3,10,15,4]) print("数组:",a) print("最大值:",a.max()) print("最小值:",a.min()) print("元素总和:",a.sum())
输出
数组: [ 1 2 3 10 15 4] 最大值: 15 最小值: 1 元素总和: 35
NumPy多维数组由轴表示，其中axis-0表示列，axis-1表示行。我们可以通过轴对列或行进行计算。例如，求某行元素的和。
示例
计算每一列中的最大元素、每一行中的最小元素，以及每一行的和：
import numpy as np a = np.array([[1,2,30],[10,15,4]]) print("数组:",a) print("每列的最大元素:",a.max(axis = 0)) print("每行的最小元素:",a.min(axis = 1)) print("每行的和:",a.sum(axis = 1))
输出
数组: [[ 1 2 30] [10 15 4]] 每列的最大元素: [10 15 30] 每行的最小元素: [1 4] 每行的和: [33 29]
NumPy中，sqrt()和std()函数分别求数组元素的平方根和标准差。
标准差表示数组的每个元素与numpy数组的平均值之间的差异。
示例
import numpy as np a = np.array([[1,2,30],[10,15,4]]) print(np.sqrt(a)) print(np.std(a))
输出
[[1. 1.41421356 5.47722558] [3.16227766 3.87298335 2. ]] 10.044346115546242
numpy中，多维数组间可以直接进行算术运算。
在下面的示例中，对两个多维数组a和b执行算术运算。
示例
import numpy as np a = np.array([[1,2,30],[10,15,4]]) b = np.array([[1,2,3],[12, 19, 29]]) print("a+b\n",a+b) print("axb\n",a*b) print("a/b\n",a/b)
输出
a+b [[ 2 4 33] [22 34 33]] axb [[ 1 4 90] [120 285 116]] a/b [[ 1. 1. 10. ] [ 0.83333333 0.78947368 0.13793103]]
numpy中，可以垂直或水平拼接2个数组。
示例
import numpy as np a = np.array([[1,2,30],[10,15,4]]) b = np.array([[1,2,3],[12, 19, 29]]) print("垂直拼接\n",np.vstack((a,b))); print("水平拼接\n",np.hstack((a,b)))
输出
垂直拼接 [[ 1 2 30] [10 15 4] [ 1 2 3] [12 19 29]] 水平拼接 [[ 1 2 30 1 2 3] [10 15 4 12 19 29]]
标签：均值 uil 学习 信息 数组元素 one 进制 重构 array
原文地址：https://www.cnblogs.com/huanghanyu/p/13159113.html
