numpy转置-Python 的Numpy 函数到底是个啥？看这篇就足够了

↑↑↑关注后"星标"简说Python

人人都可以简单入门Python、爬虫、数据分析

简说Python推荐

来源：无量测试之道作者：无量测试之道

One old watch, like brief python

大家好，我是老表～

Numpy 是什么

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numpy转置numpy转置，此外也针对数组运算提供大量的数学函数库。

Numpy 创建Array 的方式

#创建一个数据array1 = np.array([22,33,44,55]) print(array1)
#指定数据类型dtype,np.int32,np.float等array2 = np.array([22,33,44,55],dtype=np.int) print(type(array2))
#指定数据类型dtypearray3 = np.array([22,33,44,55],dtype=np.float)print(array3)
#创建特定数据，一个2d矩阵 2行3列array4 = np.array([[22,33,44],[55,66,77]])print(array4)
#创建特定的数据数组，数据全为0，4行5列array5 = np.zeros((4,5)) print(array5)
#创建特定的数据数组，数据全为1，4行5列array6 = np.ones((4,5))print(array6)
#创建特定的数据全空数组,接近于零的数，数据全为1，5行3列array7 = np.empty((5,3)) print(array7)
#创建连续数组,10-30的数据，2步长array8 = np.arange(10,30,2)print(array8)
#reshape 改变数据的形状array9=array8.reshape(2,5)array9=np.arange(10,30,2).reshape(2,5)print(array9)
#开始端1，结束端5，且分割成20个数据，生成线段array10=np.linspace(1,5,20)print(array10)

Numpy 基础运算

x=np.array([11,22,33,44,55])y=np.arange(5)print(x-y) #x数组减去y数组print(x+y) #x数组加上y数组print(x*y) #x数组乘以y数组print(x**2) #x数组值的平方print(y**3) #y数组值的立方print(np.sin(x))#求sin值print(np.sum(x)) #求和print(np.min(x)) #求最小值print(np.max(x)) #求最大值
xx=np.array([[11,88,33],[44,55,66]])print(xx)print("sum=",np.sum(xx,axis=1)) #按行为单元求和print("min=",np.min(xx,axis=0)) #按列为单元求最小值print("max=",np.max(xx,axis=1)) #按行为单元求最大值print(np.argmax(xx)) #求矩阵中最大元素的索引print(np.argmin(xx)) #求矩阵中最小元素的索引print(np.mean(xx)) #求整个矩阵的均值print(np.average(xx))#求整个矩阵的均值print(np.cumsum(xx)) #求累加print(np.diff(xx))#求每一行中后一项与前一项之差print(np.nonzero(xx))#将所有非零元素的行与列坐标分割开，重构成两个分别关于行和列的矩阵print(np.sort(xx)) #对每一行进行从小到大的排序print(np.transpose(xx))#将矩阵进行转置处理print(xx.T) #将矩阵进行转置处理

Numpy 索引的使用

x=np.array([11,22,33,44,55])xx=np.array([[11,88,33],[44,55,66]])print(x[1]) #一维索引取值print(xx[1][1])#二维索引取值print(xx[1,1])#二维索引取值print(xx[1,1:3])#二维索引取值for row in xx: #循环遍历二维array    print(row)for item in xx.flat:#将多维的矩阵进行展开成1行的数列,它本就是一个迭代器，返回的是一个object    print(item)

Numpy 合并操作

x=np.array([11,22,33])y=np.array([44,55,66])
xx=np.array([[11,88,33],[44,55,66]])yy=np.array([[1,8,3],[4,5,6]])
#上下合并print(np.vstack((x,y)))
#左右合并print(np.hstack((x,y)))
#合并操作多个矩阵或序列,axis控制矩阵是纵向还是横向打印print(np.concatenate((x,y,y,x),axis=0))
#合并操作多个矩阵或序列print(np.concatenate((xx,yy),axis=1))

Numpy 分割

xx=np.array([[11,88,33,99],[22,44,55,66],[222,434,553,663],[11,88,33,99]])print(xx)#纵向分割print(np.split(xx,2,axis=1)) #横向分割print(np.split(xx,2,axis=0)) #不等量的分割print(np.array_split(xx,4,axis=1))

Numpy copy and deepcopy

xx=np.array([[11,88,33,99],[22,44,55,66],[222,434,553,663],[11,88,33,99]])#这种赋值操作没有关联性yy=xx.copy() print(yy)#这种赋值的操作有关联性，zz会随着xx的数据变化而变化，相当于是deep copyzz=xx xx[0][0]=100print(zz)

今日Numpy 的分享就到这里了，每一个用法都需要去实践，以此加深对它的理解，在以后的工作中遇到时才会知道如何结合起来使用并举一反三。

简说Python
长按扫码关注，一起学Python

学习更多：
限时特惠：本站每日持续更新海量设计资源，一年会员只需29.9元，全站资源免费下载

站长微信：ziyuanshu688
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
数组索引运算

	
		
            
                            
                    htebazile永久VIP

相关文章