您的位置：首页 > 编程语言 > Python开发

Python3.5基础之NumPy模块的使用图文与实例详解

2019-04-24 18:02 2116 查看

本文实例讲述了Python3.5基础之NumPy模块的使用。分享给大家供大家参考，具体如下：

1、简介

2、多维数组――ndarray

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu

import numpy as np

#1.创建ndarray
#创建一维数组
n1 = np.array([1,2,3,4])
print(n1)

#属性--ndim:维度;dtype:元素类型;shape:数组形状;
# size:数组元素总个数，shape值相乘得到
print("n1维度:",n1.ndim)
print("n1元素类型:",n1.dtype)
print("n1数组形状:",n1.shape)
print("n1数组元素总个数:",n1.size)

#创建二维数组
n2 = np.array([
[1,2,3,4],
[5,6,7,8]
])

print(n2)
print("n2维度:",n2.ndim)
print("n2元素类型:",n2.dtype)

#创建三维数组
n3 = np.array([
[
[1,2,3,4],
[5,6,7,8]
],
[
[10,20,30,40],
[50,60,70,80]
]
])

print(n3)
print("n3数组形状:",n3.shape)
print("n3数组元素总个数:",n3.size)

#2.通过函数创建数组
z = np.zeros((3,2))   #创建指定形状的数组，数值由零填充
print(z)
print(z.dtype)

o = np.ones((2,4))   #创建指定形状的数组，数值由1填充
print(o)

e = np.empty((2,3,2))  #创建指定形状的数组，数值由未初始化的垃圾值填充
print(e)

#3.通过函数计算的方式去创建数组
#一个参数，区间左闭右开，默认起始值为0，步长为1
np1 = np.arange(10)
print(np1)

#两个参数（起始值，终止值），区间左闭右开，默认步长为1
np2 = np.arange(2,10)
print(np2)

#三个参数（起始值，终止值，步长），区间左闭右开，步长为2
np3 = np.arange(2,10,2)
print(np3)

#倒序创建数组元素
np4 = np.arange(10,2,-1)
print(np4)

#全闭区间，参数（起始值，终止值，元素个数）,等差数列
np5 = np.linspace(0,10,5)
print(np5)

#全闭区间，以10为底数参数为指数（起始值，终止值，元素个数），等比数列
np6 = np.logspace(0,2,5)
print(np6)

#生成随机数的数组
np7 = np.random.random((2,3))
print(np7)

运行结果：

[1 2 3 4]
n1维度: 1
n1元素类型: int32
n1数组形状: (4,)
n1数组元素总个数: 4
[[1 2 3 4]
[5 6 7 8]]
n2维度: 2
n2元素类型: int32
[[[ 1 2 3 4]
[ 5 6 7 8]]

[[10 20 30 40]
[50 60 70 80]]]
n3数组形状: (2, 2, 4)
n3数组元素总个数: 16
[[ 0. 0.]
[ 0. 0.]
[ 0. 0.]]
float64
[[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]]
[[[ 1.02548961e-305   5.40165714e-067]
[ 1.05952696e-153   9.69380992e+141]
[ 2.17151199e+214   4.34975848e-114]]

[[ 2.08064175e-115   1.91431714e+227]
[ 6.42897811e-109   1.26088822e+232]
[ 9.51634286e-114   5.45764552e-306]]]
[0 1 2 3 4 5 6 7 8 9]
[2 3 4 5 6 7 8 9]
[2 4 6 8]
[10 9 8 7 6 5 4 3]
[ 0.    2.5   5.    7.5 10. ]
[   1.            3.16227766   10.           31.6227766   100.        ]
[[ 0.55980469 0.99477652 0.82310732]
[ 0.97239333 0.1409895   0.57213264]]

#修改ndarray形状
np8 = np.arange(0,20,2)
print(np8)
print(np8.size)

np9 = np8.reshape(2,5)
print(np9)
print(np9.size)

#reshape函数是对被修改数组的一个拷贝，共享同一内存，
# 修改其中一个数组会影响里一个
np9[1][2] = 50
print(np8)
print(np9)

# -1表示第二维自动根据元素个数计算
np10 = np8.reshape(5,-1)
print(np10)

#shape直接修改原来数组的形状
np8.shape=(2,-1)
print(np8)

运行结果：

[ 0 2 4 6 8 10 12 14 16 18]
10
[[ 0 2 4 6 8]
[10 12 14 16 18]]
10
[ 0 2 4 6 8 10 12 50 16 18]
[[ 0 2 4 6 8]
[10 12 50 16 18]]
[[ 0 2]
[ 4 6]
[ 8 10]
[12 50]
[16 18]]
[[ 0 2 4 6 8]
[10 12 50 16 18]]

Numpy基本操作说明