首页 > 代码库 > numpy学习笔记
numpy学习笔记
import numpy as np
N维数组对象ndarray
np.array()生成一个ndarray数组
轴(axis)保存数据维度,秩(rank)轴的数量
ndarray对象的属性:
避免使用非同质的ndarray对象。
np.array(list/tuple,dtype=np.float32)
In [24]: np.arange(10)Out[24]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])In [25]: np.ones((3,4))Out[25]:array([[ 1., 1., 1., 1.],[ 1., 1., 1., 1.],[ 1., 1., 1., 1.]])In [26]: np.ones((3,4),dtype=np.int32)Out[26]:array([[1, 1, 1, 1],[1, 1, 1, 1],[1, 1, 1, 1]], dtype=int32)In [28]: np.zeros((2,3))Out[28]:array([[ 0., 0., 0.],[ 0., 0., 0.]])In [29]: np.eye(5)Out[29]:array([[ 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.]])
In [40]: a=np.linspace(1,25,5)In [41]: aOut[41]: array([ 1., 7., 13., 19., 25.])In [42]: b=np.linspace(1,25,5,endpoint=False)In [43]: bOut[43]: array([ 1. , 5.8, 10.6, 15.4, 20.2])In [45]: np.concatenate((a,b))Out[45]: array([ 1. , 7. , 13. , 19. , 25. , 1. , 5.8, 10.6, 15.4, 20.2])
ndarray数组维度的变换
In [47]: a=np.ones((2,3,4),dtype=np.int32)In [48]: aOut[48]: 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]]], dtype=int32)In [49]: a.reshape(4,6)Out[49]: 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]], dtype=int32)In [50]: aOut[50]: 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]]], dtype=int32)In [51]: a.resize((4,6))In [52]: aOut[52]: 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]], dtype=int32)In [53]: a.flatten()Out[53]: array([1, 1, 1, ..., 1, 1, 1], dtype=int32)In [54]: aOut[54]: 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]], dtype=int32)
reshape()是另返回一个新的array,原array不变;resize()是改变原数组
数组类型的改变:astype()
ndarray数组向列表的转换:tolist()
In [2]: a=np.ones((2,3,4),dtype=np.int32) In [3]: aOut[3]: 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]]], dtype=int32)In [4]: b=a.astype(np.float)In [5]: bOut[5]: 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.]]])
数据的csv文件存取
np.savetxt(frame,array,fmt=‘%0.18e‘,delimiter=None)
In [22]: a=np.arange(15).reshape((3,5))In [24]: np.savetxt(‘a.csv‘,a,fmt=‘%d‘,delimiter=‘,‘)
np.loadtxt(frame,dtype=np.float,delimiter=None,unpack=False)
In [25]: b=np.loadtxt(‘a.csv‘,delimiter=‘,‘)In [26]: bOut[26]: array([[ 0., 1., 2., 3., 4.], [ 5., 6., 7., 8., 9.], [ 10., 11., 12., 13., 14.]])In [27]: b=np.loadtxt(‘a.csv‘,dtype=np.int,delimiter=‘,‘)In [28]: bOut[28]: array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14]])
以上两个函数只能有效存取一维和二维数组,
对于多维数据的存取,可使用tofile()和fromfile(),这两个方法需要知道存入文件时数组的维度和元素类型。
In [29]: a=np.arange(100).reshape(5,2,10)In [30]: aOut[30]: array([[[ 0, 1, 2, ..., 7, 8, 9], [10, 11, 12, ..., 17, 18, 19]], [[20, 21, 22, ..., 27, 28, 29], [30, 31, 32, ..., 37, 38, 39]], [[40, 41, 42, ..., 47, 48, 49], [50, 51, 52, ..., 57, 58, 59]], [[60, 61, 62, ..., 67, 68, 69], [70, 71, 72, ..., 77, 78, 79]], [[80, 81, 82, ..., 87, 88, 89], [90, 91, 92, ..., 97, 98, 99]]])In [32]: a.tofile(‘b.dat‘,sep=‘,‘,format="%d")In [37]: c=np.fromfile(‘b.dat‘,dtype=np.int,sep=‘,‘)In [38]: cOut[38]: array([ 0, 1, 2, ..., 97, 98, 99])In [39]: c=np.fromfile(‘b.dat‘,dtype=np.int,sep=‘,‘).reshape(5,2,10)In [40]: cOut[40]: array([[[ 0, 1, 2, ..., 7, 8, 9], [10, 11, 12, ..., 17, 18, 19]], [[20, 21, 22, ..., 27, 28, 29], [30, 31, 32, ..., 37, 38, 39]], [[40, 41, 42, ..., 47, 48, 49], [50, 51, 52, ..., 57, 58, 59]], [[60, 61, 62, ..., 67, 68, 69], [70, 71, 72, ..., 77, 78, 79]], [[80, 81, 82, ..., 87, 88, 89], [90, 91, 92, ..., 97, 98, 99]]])
此外,还可以使用np.save(frame,array)、np.savez(frame,array)和np.load(frame)。这种方法很便捷,以npy为扩展名(压缩扩展名为npz),自动保存了维度信息。
In [42]: a=np.arange(20).reshape(2,2,5)In [44]: np.save(‘a.npy‘,a)In [47]: b=np.load(‘a.npy‘)In [48]: bOut[48]: array([[[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9]], [[10, 11, 12, 13, 14], [15, 16, 17, 18, 19]]])
<style></style>
numpy学习笔记
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。