Numpy使用2
来源:互联网 发布:asp.net java 编辑:程序博客网 时间:2024/06/06 10:16
上一个博客写到了numpy的特性,如何安装以及功能初探。这一篇就讲讲numpy的常用功能以及与其它python库的结合使用。
假设你已经成功执行下列语句:
import numpy as np
初始化
(1)直接创建
## 创建一维数组In [8]: test_list = [1,3,5,6,7]In [9]: array_numpy = np.array(test_list)In [10]: array_numpyOut[10]: array([1, 3, 5, 6, 7])## 创建多维数组In [16]: test_n_list = [[1,2,3], [4,5,6]]In [17]: array_n_numpy = np.array(test_n_list)In [18]: array_n_numpyOut[18]: array([[1, 2, 3], [4, 5, 6]])In [19]:
(2)读图创建
假设现在目录下有个test.jpg图片,可以读图进行初始化
In [19]: from PIL import ImageIn [20]: im = Image.open('test.jpg') # 读入图片In [21]: im.show() # 显示图片In [22]: print im.mode, im.size, im.format # 打印图片的相关信息RGB (1920, 1200) JPEG # RGB图像In [23]: im_numpy = np.asarray(im) # 把读入的图片作为矩阵In [24]: im_numpy.shape # 图片矩阵的shape信息Out[24]: (1200, 1920, 3) # 三维矩阵,每个分量是原始图片的R、G、B信息
(3)使用内置函数创建
In [25]: array_n_dim = np.ones((3,4,4), dtype='int8') # 创建全1的矩阵In [26]: array_n_dimOut[26]: array([[[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]], [[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]], [[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]]], dtype=int8)In [27]: array_n_dim.shapeOut[27]: (3, 4, 4) # 三维矩阵,每个维度大小是4*4的
相关信息
(1)数据类型(dtype)
可以在创建矩阵的时候指定数据类型,像上面的例子那样,也可以之后进行转换
In [28]: array_n_numpyOut[28]: array([[1, 2, 3], [4, 5, 6]])In [29]: array_n_numpy.dtypeOut[29]: dtype('int64') # 现在的数据类型是int64In [30]: array_n_numpy.astype(np.float32) # 显式的转化为float32Out[30]: array([[ 1., 2., 3.], [ 4., 5., 6.]], dtype=float32)################# 如果每个字符串数组表示的全部是数字,可以这样将其转化为数字数组In [31]: string_list = np.array(['1.2', '3', '4.67'], dtype= np.string_)In [32]: string_list # 字符串数组Out[32]: array(['1.2', '3', '4.67'], dtype='|S4')In [33]: string_list.astype(float) # numpy自动转换为float合适的表示,对于此例是float64Out[33]: array([ 1.2 , 3. , 4.67])In [34]: string_list.astype(float).dtypeOut[34]: dtype('float64')
(2)shape/reshape
shape显示numpy矩阵的维度,reshape可以转换矩阵的维度
In [37]: test_shape = np.arange(10)In [38]: test_shapeOut[38]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])In [39]: test_shape.shape # 显示shape信息Out[39]: (10,)In [40]: test_reshape = test_shape.reshape((2, 5))In [41]: test_reshapeOut[41]: array([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]])In [43]: test_reshape.shapeOut[43]: (2, 5) # 现在的shape是(2,5)
到此numpy基本的信息已经介绍了,下篇继续写numpy的其它特性
0 0
- Numpy使用2
- Numpy 使用教程 2
- 【CS231N】Numpy 使用入门 (2)
- numpy使用
- NumPy使用
- numpy 使用
- numpy使用
- Numpy(2)
- numpy module 2 -- Numpy Tutorial2
- python numpy使用
- numpy where 的使用
- python numpy使用
- Numpy Python 使用感想
- python之Numpy使用
- NumPy使用(一)
- NumPy使用(二)
- python numpy使用
- Numpy:使用Matplotlib绘图
- Android 4.4 以上更改状态栏颜色
- Java锁的种类以及辨析
- 线程并发库之semaphore
- C++_const详解2
- leetcode:Path Sum II 【Java】
- Numpy使用2
- ElasticSearch学习_陶文4_【01】把 Elasticsearch 当数据库使:表结构定义
- java web每天定时执行任务
- 删除排序数组中的重复数字
- 11.leetcode题目171: Excel Sheet Column Number
- Java中,BigDecimal互转Integer
- 贺新郎
- xcode 6之后手动创建pch文件并且添加到工程设置中去
- Android 系统属性SystemProperty分析