NumPy简明教程(二、数组2)
来源:互联网 发布:微商做图换头像软件 编辑:程序博客网 时间:2024/06/04 18:14
NumPy数组(2、数组的操作)
基本运算
数组的算术运算是按元素逐个运算。数组运算后将创建包含运算结果的新数组。
>>> a= np.array([20,30,40,50])>>> b= np.arange( 4)>>> barray([0, 1, 2, 3])>>> c= a-b>>> carray([20, 29, 38, 47])>>> b**2array([0, 1, 4, 9])>>> 10*np.sin(a)array([ 9.12945251,-9.88031624, 7.4511316, -2.62374854])>>> a<35array([True, True, False, False], dtype=bool)
与其他矩阵语言不同,NumPy中的乘法运算符*按元素逐个计算,矩阵乘法可以使用dot函数或创建矩阵对象实现(后续章节会介绍)
>>> A= np.array([[1,1],...[0,1]])>>> B= np.array([[2,0],...[3,4]])>>> A*B # 逐个元素相乘array([[2, 0], [0, 4]])>>> np.dot(A,B) # 矩阵相乘array([[5, 4], [3, 4]])
>>> a= np.ones((2,3), dtype=int)>>> b= np.random.random((2,3))>>> a*= 3>>> aarray([[3, 3, 3], [3, 3, 3]])>>> b+= a>>> barray([[ 3.69092703, 3.8324276, 3.0114541], [ 3.18679111, 3.3039349, 3.37600289]])>>> a+= b # b转换为整数类型>>> aarray([[6, 6, 6], [6, 6, 6]])
>>> a= np.ones(3, dtype=np.int32)>>> b= np.linspace(0,np.pi,3)>>> b.dtype.name'float64'>>> c= a+b>>> carray([ 1., 2.57079633, 4.14159265])>>> c.dtype.name'float64'>>> d= exp(c*1j)>>> darray([ 0.54030231+0.84147098j,-0.84147098+0.54030231j, -0.54030231-0.84147098j])>>> d.dtype.name'complex128'
>>> a= np.random.random((2,3))>>> aarray([[ 0.65806048, 0.58216761, 0.59986935], [ 0.6004008, 0.41965453, 0.71487337]])>>> a.sum() 3.5750261436902333>>> a.min() 0.41965453489104032>>> a.max() 0.71487337095581649这些运算将数组看作是一维线性列表。但可通过指定axis参数(即数组的行)对指定的轴做相应的运算:
>>> b= np.arange(12).reshape(3,4)>>> barray([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]])>>> b.sum(axis=0) # 计算每一列的和,注意理解轴的含义,参考数组的第一篇文章array([12, 15, 18, 21])>>> b.min(axis=1) # 获取每一行的最小值array([0, 4, 8])>>> b.cumsum(axis=1) # 计算每一行的累积和array([[ 0, 1, 3, 6], [ 4, 9, 15, 22], [ 8, 17, 27, 38]])
索引,切片和迭代
和列表和其它Python序列一样,一维数组可以进行索引、切片和迭代操作。
>>> a= np.arange(10)**3 #记住,操作符是对数组中逐元素处理的!>>> aarray([0, 1, 8, 27, 64, 125, 216, 343, 512, 729])>>> a[2]8>>> a[2:5]array([ 8, 27, 64])>>> a[:6:2]= -1000 # 等同于a[0:6:2]= -1000,从开始到第6个位置,每隔一个元素将其赋值为-1000>>> aarray([-1000, 1,-1000, 27,-1000, 125, 216, 343, 512, 729])>>> a[: :-1] # 反转aarray([ 729, 512, 343, 216, 125,-1000, 27,-1000, 1,-1000])>>>for i in a:... print i**(1/3.),...nan 1.0 nan 3.0 nan 5.0 6.0 7.0 8.0 9.0
>>>def f(x,y):... return 10*x+y...>>> b= np.fromfunction(f,(5,4),dtype=int) #fromfunction是一个函数,下篇文章介绍。>>> barray([[ 0, 1, 2, 3], [10, 11, 12, 13], [20, 21, 22, 23], [30, 31, 32, 33], [40, 41, 42, 43]])>>> b[2,3]23>>> b[0:5, 1] # 每行的第二个元素array([ 1, 11, 21, 31, 41])>>> b[: ,1] # 与前面的效果相同array([ 1, 11, 21, 31, 41])>>> b[1:3,: ] # 每列的第二和第三个元素array([[10, 11, 12, 13], [20, 21, 22, 23]])
>>> b[-1] # 最后一行,等同于b[-1,:],-1是第一个轴,而缺失的认为是:,相当于整个切片。array([40, 41, 42, 43])
- x[1,2,…] 等同于 x[1,2,:,:,:],
- x[…,3] 等同于 x[:,:,:,:,3]
- x[4,…,5,:] 等同 x[4,:,:,5,:]
>>> c= array( [ [[ 0, 1, 2], #三维数组(两个2维数组叠加而成)...[ 10, 12, 13]],......[[100,101,102],...[110,112,113]]] )>>> c.shape (2, 2, 3)>>> c[1,...] #等同于c[1,:,:]或c[1]array([[100, 101, 102], [110, 112, 113]])>>> c[...,2] #等同于c[:,:,2]array([[ 2, 13], [102, 113]])
>>>for row in b:... print row...[0 1 2 3][10 11 12 13][20 21 22 23][30 31 32 33][40 41 42 43]
>>>for element in b.flat:... print element,...0 1 2 3 10 11 12 13 20 21 22 23 30 31 32 33 40 41 42 43
形状(shape)操作
更改数组的形状
数组的形状取决于其每个轴上的元素个数:
>>> a= np.floor(10*np.random.random((3,4)))>>> aarray([[ 7., 5., 9., 3.], [ 7., 2., 7., 8.], [ 6., 8., 3., 2.]])>>> a.shape(3, 4)
>>> a.ravel() # 平坦化数组array([ 7., 5., 9., 3., 7., 2., 7., 8., 6., 8., 3., 2.])>>> a.shape= (6, 2)>>> a.transpose()array([[ 7., 9., 7., 7., 6., 3.], [ 5., 3., 2., 8., 8., 2.]])
reshape函数改变调用数组的形状并返回该数组,而resize函数改变调用数组自身。
>>> aarray([[ 7., 5.], [ 9., 3.], [ 7., 2.], [ 7., 8.], [ 6., 8.], [ 3., 2.]])>>> a.resize((2,6))>>> aarray([[ 7., 5., 9., 3., 7., 2.], [ 7., 8., 6., 8., 3., 2.]])
更多关于shape、reshape、resize和ravel的内容请参考NumPy示例
参考文献:
《NumPy for Beginner》
《Tentative NumPy Tutorial》
- NumPy简明教程(二、数组2)
- NumPy简明教程(二、数组2)
- NumPy简明教程(二、数组2)
- NumPy简明教程(二、数组3)
- NumPy简明教程(二、数组1)
- NumPy简明教程(二、数组3)
- NumPy简明教程(二、数组1)
- NumPy简明教程(二、数组3)
- NumPy简明教程(二、数组1)
- NumPy简明教程(二、数组1)
- NumPy简明教程(二、数组3)
- NumPy简明教程之二
- numpy简明教程(2)
- NumPy简明教程(一、简介)
- NumPy简明教程(一、简介)
- numpy简明教程(1)
- numpy简明教程(3)
- NumPy教程之(二)
- Servlet之可爱可气的Cookie
- linux中fork()函数详解
- WPF学习
- cocos2d-x 之 CCTableView 以及它得一些用法
- java 反射
- NumPy简明教程(二、数组2)
- TCP状态变迁图集合
- java读取unicode
- 配置JDK和Tomcat环境变量 .
- ASP.NET好用的MySql操作类
- Windows 8.1 都有什么新的东东?
- 电子土地信息管理系统与谷歌地图应用商务设计
- hdu 2888Check Corners 二维rmq
- php取整的几种方式