python中numpy包使用教程之数组和相关操作详解
前言 大家应该都有所了解,下面就简单介绍下Numpy,NumPy(Numerical Python)是一个用于科学计算第三方的Python包。 NumPy提供了许多高级的数值编程工具,如:矩阵数据类型、矢量处理,以及精密的运算库。专为进行严格的数字处理而产生。下面本文将详细介绍关于python中numpy包使用教程之数组和相关操作的相关内容,下面话不多说,来一起看看详细的介绍: 一、数组简介 Numpy中,最重要的数据结构是:多维数组类型( ndarray由两部分组成:
数组(即矩阵)的维度被称为axes,维数称为rank ndarray 的重要属性包括:
二、数组的使用 使用numpy前要先导入模块,使用下面的语句导入模块: improt numpy as np #其中np为numpy的别名,是一种习惯用法 1.使用array方法生成数组 array,也就是数组,是numpy中最基础的数据结构,最关键的属性是维度和元素类型,在numpy中,可以非常方便地创建各种不同类型的多维数组,并且执行一些基本基本操作,生成数组的方法有一下几种: >>> print np.array([1,2,3,4]) [1 2 3 4] >>> print np.array((1.2,4)) [ 1.2 2. 3. 4. ] 以list或tuple变量为元素产生二维数组或者多维数组: >>> x = np.array(((1,3),(4,5,6))) >>> x array([[1,3],[4,6]]) >>> y = np.array([[1,6]]) >>> y array([[1,6]]) 2.使用numpy.arange方法生成数组 >>> print np.arange(15) [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14] >>> print type(np.arange(15)) <type 'numpy.ndarray'> 3.使用内置函数生成特殊矩阵(数组) 零矩阵 >>> print np.zeros((3,4)) [[ 0. 0. 0. 0.] [ 0. 0. 0. 0.] [ 0. 0. 0. 0.]] 一矩阵 >>> print np.ones((3,4)) [[ 1. 1. 1. 1.] [1. 1. 1. 1.] [ 1. 1. 1. 1.]] 单位矩阵 >>> print np.eye(3) [[ 1. 0. 0.] [0. 1. 0.] [ 0. 0. 1.]] 4.索引与切片 >>> x = np.array(((1,6))) >>> x[1,2] #获取第二行第三列的数 6 >>> y=x[:,1] #获取第二列 >>> y array([2,5]) 与python语法一致,不再举例。 5.获取数组属性 >>> a = np.zeros((2,2)) >>> print a.ndim #数组的维数 3 >>> print a.shape #数组每一维的大小 (2,2) >>> print a.size #数组的元素数 8 >>> print a.dtype #元素类型 float64 >>> print a.itemsize #每个元素所占的字节数 8 6.数组变换 多维转换为一维: >>> x array([[1,6]]) >>> x.flatten() array([1,4,6]) 一维转换为多维: >>> print np.arange(15).reshape(3,5) #改变形状,将一维的改成三行五列 [[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14]] 转置: >>> x array([[1,6]]) >>> x.transpose() array([[1,4],[2,5],[3,6]]) 7.数组组合 水平组合: >>> y=x >>> numpy.hstack((x,y)) array([[1,1,6,6]] 垂直组合 >>> numpy.vstack((x,6],[1,6]]) 用concatenate函数可以同时实现这两种方式,通过指定axis参数,默认为0,垂直组合。 >>> numpy.concatenate((x,6]]) >>> numpy.concatenate((x,y),axis=1) array([[1,6]]) 8.数组分割 垂直分割 >>> z array([[1,6]]) >>> numpy.vsplit(z,2) #注意这里设置的分割数目必须可以被行数整除 [array([[1,6]]),array([[1,6]])] 水平分割 >>> numpy.hsplit(z,3) [array([[1],[4],[1],[4]]),array([[2],[5],[2],[5]]),array([[3],[6],[3],[6]])] 用split函数可以同时实现这两个效果,通过设置其axis参数区别,与组合类似,这里不在演示。 三、矩阵 通过上面对数组的操作可以知道,numpy中可以通过数组模拟矩阵,但是numpy也有专门处理矩阵的数据结构――matrix。 1.生成矩阵 >>> numpy.mat('1 2 3;4 5 6;7 8 9') matrix([[1,[7,8,9]]) 2.数组矩阵转化 矩阵转数组 >>> m=numpy.mat('1 2 3;4 5 6;7 8 9') >>> numpy.array(m) array([[1,9]]) 数组转矩阵 >>> n=numpy.array(m) >>> numpy.mat(n) matrix([[1,9]]) 3.矩阵方法 求逆: >>> m.I matrix([[ -4.50359963e+15,9.00719925e+15,-4.50359963e+15],[ 9.00719925e+15,-1.80143985e+16,9.00719925e+15],[ -4.50359963e+15,-4.50359963e+15]]) 总结 以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流,谢谢大家对编程小技巧的支持 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |