Numpy的ndarray

来源：互联网发布：java如何做好后端编辑：程序博客网时间：2024/05/16 13:43

1）ndarray是N维数组对象，其中所有的元素必须是相同类型，可以对整块数据进行一些数学运算

import numpy as npa = [1, 2, 3]b = 3*ac = np.array(a)*3print(b)print(c)print(c+c)

[1, 2, 3, 1, 2, 3, 1, 2, 3]
[3 6 9]
[ 6 12 18]

2）arange是python内置函数range的数组版

print(np.arange(15)) # [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]是数组，不是list

3) 数组切片与列表切片

a = [1, 2, 3]b = a[:2]b[0] = 10print(a)c = np.array(a)c1 = c[:2]c1[0] = 10print(c)a[:2] = [10, 2]print(a)

[1, 2, 3]
[10 2 3]
[10, 2, 3]

通过上面的例子，可以知道ndarray切片的是视图，视图上的任何修改都会直接反映到源数组

如果想得到的不是视图，就必须进行显式操作，c1 = c[:2].copy()

4）数组索引

a[0][2] 与a[0, 2]是等价的

5）ndarray的astype方法显式地转换其dtype

调用astype无论如何都会创建一个新的数组，即使新dtyoe跟老dtype相同也如此

import numpy as npa = np.array([3.7, -1.2, 2.6])print(a)a.astype(np.int)print(a)b = a.astype(np.int)print(b)

[ 3.7 -1.2 2.6]
[ 3.7 -1.2 2.6]
[ 3 -1 2]

6）数组转置

import numpy as nparr = np.arange(15).reshape((3,5))print(arr)b = arr.Tprint(b)

print(np.dot(arr,arr.T))#求矩阵内积

[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]

[[ 0 5 10]
[ 1 6 11]
[ 2 7 12]
[ 3 8 13]
[ 4 9 14]]

[[ 30 80 130]
[ 80 255 430]
[130 430 730]]

7)通用函数

#快速元素级函数import numpy as nparr = np.arange(10)print(np.sqrt(arr))#一元函数，求根x = np.random.randn(8)y = np.random.randn(8)print(x)print(y)print(np.maximum(x,y))#二元函数，求对应的较大值

[ 0. 1. 1.41421356 1.73205081 2. 2.23606798
2.44948974 2.64575131 2.82842712 3. ]
[-0.30646481 0.19637636 -0.24780102 -1.56935591 -0.52543323 -1.5038108
0.80716262 -1.16165569]
[-1.07482357 1.31523092 1.46381034 -0.82602134 -0.13589412 0.81393135
0.94287863 -0.49948303]
[-0.30646481 1.31523092 1.46381034 -0.82602134 -0.13589412 0.81393135
0.94287863 -0.49948303]

0 0