+关注
已关注

分类  

暂无分类

标签  

暂无标签

日期归档  

2019-07(1)

2019-08(95)

2019-09(90)

2019-10(16)

2019-11(2)

认识numpy的数组

发布于2020-11-18 06:56     阅读(317)     评论(0)     点赞(3)     收藏(5)


0

1

2

3

4

5

6

认识ndarray

——ndarray:用于存储单一数据类型的多维数组

ndarray基础属性的认识

import numpy as np #将numpy简写为np方便调用

1.通过以下实例来认识array

实例1:认识array的创建与属性

Array_1=np.array([[1,2,3,4],[5,6,7,8]],dtype=float)
print('这是数组Array_1:\n',Array_1)
print('Array_1的维度:',Array_1.ndim,'\nArray_1的形状:',Array_1.shape)
print('Array_1的数量:',Array_1.size,'\nArray_1的类型:',Array_1.dtype)
print('Array_1的每个元素字节大小',Array_1.itemsize)

Array_2=np.array([ [1],[2],[3],['b'],[1,2,3,4]])
print('这是数组Array_2:\n',Array_2)
print('Array_2的维度:',Array_2.ndim,'\nArray_2的形状:',Array_2.shape)
print('Array_2的数量:',Array_2.size,'\nArray_2的类型:',Array_2.dtype)
print('Array_2的每个元素字节大小',Array_2.itemsize)

实例2:认识数组的创建函数

arange(起始值,终值,步长) ——等步长生成数组
np.arange(0,10,1)

linspace(起始值,终值,元素个数)——等差数列数组
np.linspace(0,10,11)

logspace(起始值,终值,元素个数)——等比数列数组

base=底数设置

np.logspace(0,9,10,base=2) 

2.数组的索引(在python切片的基础上了解学习)

一维数组索引

数组[起始站:终值:步长]

Array_3=np.arange(0,12,1)
Array_3

Array_3[0:9:2] #从0-8以2为步长

Array_3[-7::-1] #5-0步长为-1

二维数组索引

数组[行索引,列索引:步长]

Array_4=Array_3.reshape(3,4)#改变数组的形状
Array_4

Array_4[0:2,0:3 :2]

数组轴的认识

以二维数组为例子

np.array([[1,2,3],[4,5,6],[7,8,9]])


多维数组轴的表示

(轴0,轴1,轴2,....轴n)

笔者认为数组轴就是维度的表示,以x,y,z为例子x=轴0 ,y=轴1 ,z=轴2.

原文链接:https://www.cnblogs.com/tyh1999/p/13966167.html

0

1

2

3

4

5

6

7



所属网站分类: 技术文章 > 博客

作者:heer

链接: https://www.pythonheidong.com/blog/article/618143/c9a5b44d8cb50947d584/

来源: python黑洞网

任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任

3 0
收藏该文
已收藏

评论内容:(最多支持255个字符)