标签:lse str 也有 程序 size 说明 port 单位 写入
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。
Numpy是常用的科学计算库。
NumPy 最重要的一个特点是其 N 维数组对象 ndarray,它是一系列同类型数据的集合,以 0 下标为开始进行集合中元素的索引。
ndarray 对象是用于存放同类型元素的多维数组。
使用array函数可以创建ndarray对象。
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
参数说明:
名称 | 描述 |
---|---|
object | 数组或嵌套的数列 |
dtype | 数组元素的数据类型,可选 |
copy | 对象是否需要复制,可选 |
order | 创建数组的样式,C为行方向,F为列方向,A为任意方向(默认) |
subok | 默认返回一个与基类类型一致的数组 |
ndmin | 指定生成数组的最小维度 |
array函数可以将python的数据类型装换为ndarray类型,如列表、字典、元组等。
>>> import numpy as np
>>> np.array([0,2,1]) #列表
array([0, 2, 1])
>>> np.array([[1, 2], [3, 4]]) #列表
array([[1, 2],
[3, 4]])
>>> np.array({"name":"tom",1:True}) #字典
array({‘name‘: ‘tom‘, 1: True}, dtype=object)
>>> np.array((1,3,0)) #元组
array([1, 3, 0])
ndarray也有一些属性,如shape等。
>>> l=np.array([1,2,3,4,5],dtype=int,ndmin=3) #获得一个ndarray
>>>l
>>>array([[[1, 2, 3, 4, 5]]])
>>> l.shape=(5,1) #控制形状
>>> l
array([[1],
[2],
[3],
[4],
[5]])
ndarray有许多属性。
ndarray.ndim | 秩,即轴的数量或维度的数量 |
---|---|
ndarray.shape | 数组的维度,对于矩阵,n 行 m 列 |
ndarray.size | 数组元素的总个数,相当于 .shape 中 n*m 的值 |
ndarray.dtype | ndarray 对象的元素类型 |
ndarray.itemsize | ndarray 对象中每个元素的大小,以字节为单位 |
ndarray.flags | ndarray 对象的内存信息 |
ndarray.real | ndarray元素的实部 |
ndarray.imag | ndarray 元素的虚部 |
ndarray.data | 包含实际数组元素的缓冲区,由于一般通过数组的索引获取元素,所以通常不需要使用这个属性。 |
>>> l=np.array([1,2,3,4,5],dtype=int,ndmin=3) #获得一个ndarray
>>>l
>>>array([[[1, 2, 3, 4, 5]]])
>>> l.shape=(5,1) #控制形状
>>> l
array([[1],
[2],
[3],
[4],
[5]])
>>> l.size #数量
5
>>> l.ndim #秩
2
>>> l.flags #信息
C_CONTIGUOUS : True
F_CONTIGUOUS : True
OWNDATA : False
WRITEABLE : True
ALIGNED : True
WRITEBACKIFCOPY : False
UPDATEIFCOPY : False
>>> l[4] #通过索引可以访问
array([5])
>>>
创建ndarray不仅仅有array函数,还要其他的一些函数。
这部分函数获取的ndarray都是按照特定元素来填充的。
函数主要有这几个参数:
参数 | 描述 |
---|---|
shape | 数组形状 |
dtype | 数据类型,可选 |
order | 有"C"和"F"两个选项,分别代表,行优先和列优先,在计算机内存中的存储元素的顺序。 |
>>> np.zeros([2,3]) #由0组成
array([[0., 0., 0.],
[0., 0., 0.]])
>>> np.empty([3,2]) #随机
array([[0., 0.],
[0., 0.],
[0., 0.]])
>>> np.ones([3,1]) #全部由一组成
array([[1.],
[1.],
[1.]])
这个函数和range关键字功能类似。
>>> np.arange(1,10,2) #1-10之间、以2为步长
array([1, 3, 5, 7, 9])
numpy提供了许多函数来辅助处理。
如amin、amax、sort等算术函数。
l=np.array([1,3,9,2,8,4,0,4,2])
l.shape=(3,3)
print(l)
print("min: ",np.amin(l))
print("max: ",np.amax(l))
print(" axmin: ",np.min(l,1))
print(" aymin: ",np.min(l,0))
[[1 3 9]
[2 8 4]
[0 4 2]]
min: 0
max: 9
axmin: [1 2 0]
aymin: [0 3 2]
numpy中的数组存入文件中以npy的后缀名。
通过load和save系列函数进行存入与读取。
import numpy as np
a=np.arange(1,100,5)
np.save("nd",a) #写入nd.npy中
b=np.load("nd.npy") #从文件中加载处来
print(b)
标签:lse str 也有 程序 size 说明 port 单位 写入
原文地址:https://www.cnblogs.com/cgl-dong/p/14142977.html