Numpy库基础___一
ndarray一个强大的N维数组对象Array
•ndarray的建立(元素默认浮点数)
- 可以利用list列表建立ndarray
import numpy as np list =[0,1,2,3] 从列表类型建立 x = np.array(list) print(x) #[0 1 2 3]
- 可以利用tuple元组建立ndarray
import numpy as np 从元组类型建立 x = np.array((4,5,6,7)) print(x) #[4 5 6 7]
- 可以从列表和元组混合类型创建(所包含数据个数相同就可混合使用,一般不建议)
x = np.array([list,(4,5,6,7)],dtype=np.float32) print(x) #[0,1,2,3,4,5,6,7]
- 利用arange(类似range)
x = np.arange(10) print(x) #[0 1 2 3 4 5 6 7 8 9]
- .ones((n,m)) 生成全1的n*m的数组
x = np.ones((3,6)) print(x) #[[1. 1. 1. 1. 1. 1.] # [1. 1. 1. 1. 1. 1.] #[1. 1. 1. 1. 1. 1.]] x = np.ones((3,4,5)) print(x) #[[[1. 1. 1. 1.] # [1. 1. 1. 1.] # [1. 1. 1. 1.]] # [[1. 1. 1. 1.] # [1. 1. 1. 1.] # [1. 1. 1. 1.]]]
- .zeros((n,m))生成全0的n*m的数组
x = np.zeros((3,6),dtype = np.int32) print(x) #[[0 0 0 0 0 0] # [0 0 0 0 0 0] # [0 0 0 0 0 0]]
- .eye(n)生成对角线为1,其余全为0的方阵
x = np.eye(5) print(x) #[[1. 0. 0. 0. 0.] # [0. 1. 0. 0. 0.] # [0. 0. 1. 0. 0.] # [0. 0. 0. 1. 0.] # [0. 0. 0. 0. 1.]]
- .full(shape,vale)生成一个shape的矩阵,每个元素都是val
x = np.full((3,4),5) print(x) #[[5 5 5 5] # [5 5 5 5] # [5 5 5 5]]
- .ones_like(x)根据数组x的shape形成一个全为1的数组
x = full((3,4),5) a = np.ones_like(x) print(a) #[[1 1 1 1] # [1 1 1 1] # [1 1 1 1]]
- .zeros_likes(x)根据数组x的shape形成一个全为0的数组
x = full((3,4),5) a = np.zeros_like(x) print(a) #[[0 0 0 0] # [0 0 0 0] # [0 0 0 0]]
- .full_likes(x)根据数组x的形状生成一个数组,值为val
x = full((3,4),5) a = np.full_like(x,0) print(a) #[[0 0 0 0] # [0 0 0 0] # [0 0 0 0]]
- .linespace(begin,end,val,endpoint)根据起止数据等距的填充数据,形成数组
#endpoint默认为True,表示end是其中的元素 x = np.linespace(1,10,4) print(x) #[ 1. 4. 7. 10.] #endpoint为False,表示end不是其中的元素 x = np.linespace(1,10,4,endpoint=True) print(x) #[1. 3.25 5.5 7.75]
- .concatenate()将两个或多个数组合并成一个新的数组,axis默认为0
b = np.full((2,1,3),5) a = np.full((2,1,3),1) print(b) print(a) #b #[[[5 5 5]] # # [[5 5 5]]] #a #[[[1 1 1]] # # [[1 1 1]]] x = np.concatenate((a,b)) print(x) #[[[1 1 1]] # # [[1 1 1]] # # [[5 5 5]] # # [[5 5 5]]] x = np.concatenate((a,b),axis=1) print(x) #[[[1 1 1] # [5 5 5]] # # [[1 1 1] # [5 5 5]]] x = np.concatenate((a,b),axis=2) print(x) #[[[1 1 1 5 5 5]] # # [[1 1 1 5 5 5]]]