#人生苦短，我用python #給文件設置配置環境路徑：file->Settings->project mylesson->project interpreter #numpy:除了字符串、列表、元組、字典之外還有一種數據結構就是數組，列表能存儲任意數據，數組只能存儲一種類型數據。array #pandas #matplotlib import random import array array.array('i',range(10))#生成10的列表轉化為數組 #a[1] = 'ss'##報錯，因為數據類型必須要統一，因此常用numpy import numpy as np #從原有列表轉換為數組 a_list=list(range(10)) print(a_list) b = np.array(a_list) print(b) type(b) #生成數組 a = np.zeros(10,dtype = int)#有是個元素的數組 print(type(a)) #查看數組類型 a.dtype #生成多維數組 a = np.zeros((4,4),dtype=int) print(a) print(type(a))#查看數組類型2 print(a.dtype) a = np.ones((4,4),dtype=float) print(a) print(type(a)) #查看數組類型 print(a.dtype) #隨意生成 np.full((5,5),3.14) #比照數據類型和緯度生成新的緯度 print(np.zeros_like(a))#比照著a生成一個數組 print(np.ones_like(a)) print(np.full_like(a))#random print(random.randint(5,10))#生成5-10之間的值 print(random.random())a1=np.random.random((3,3)) print(a1) #生成隨機數時經常用到 print(np.random.randint(0,10,(3,3))) list(range(0,10,2)) np.arange(0,10,2)#0-10范圍內取數，步長為2 #經常用到 np.linspace(0,3,100)#0-3取100個數 #n維的單位矩陣 np.eye(5) ###訪問數組中的元素 #嵌套列表的元素訪問 var = [[1,2,3,4,5],[5,6,7,8,9]] a = np.array(var) print(var[0][0]) a.np.full((3,3),9.9,dtype=int) print(a[0][0])##數組訪問和列表訪問時一樣的 #這兩種訪問方式是一樣的 print(a[0,1],a[0][1]) #數組切片 #跟上邊方式不等價 a[:2,:2],a[:2][:2] ##數組的屬性 #維度 print(a.ndim) print(a.shape) print(a.size) print(a.dtype) print(a.itemsize)#每個數組占的字節 print(a.btype)##numpy數組的運算，基礎運算相當于對每個元素都做運算 a = np.array(list(range(10))) print(a+10)#基礎運算相當于np.add(a,10) print(a-10) a = np.array((3,3),1.0,dtype=float) print(a+10) np.add(a,10) a = np.linspace(0,np.pi,5) b = np.sin(a) print(a,b) #np.數學公式特別多，自己練習##統計類型 sum[[1,2,3,4,5,6]] #數組一維求和 a =np.full(10,2.3) print(sum(a)) #數組多維求和 a =np.array([[1,2],[3,4]]) print(sum(a)) #np.sum求和 np.sum(a) np.sum(a,axis=1)np.max(a) np.max(axis=1)np.random.rand(10000)##notebook使用小技巧 #%timeit 代碼：此方法來判斷程序的執行效率 #%time.np.sum(n) ###比較 a = np.array(range(10)) a>3#輸出每個元素和3的比較，輸出布爾型數據 a==a np.all(a>-1)#全部為True,相當于匯總 ##變形reshape a = np.full((2,10),1,dtype=float) print(a.shape) print(a.size) print(a.ndim) print(a.reshape(4,5)) ##排序 np.sort(a)#從小到大排序 a.sort(axis=1) a.sort(axis=0) ##拼接函數 a = np.array([1,2,3]) b = np.array([0,2,4],[5,6,7]) np.concatnate([b,b,b],axis=1)

總結

以上是生活随笔為你收集整理的python基础课程5（看代码看注释）--numpy的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。