資訊專欄INFORMATION COLUMN
摘要：的數組對象生成一個數組輸出成形式，元素由空格分割軸保存數據的維度秩軸的數量對象的屬性屬性說明秩，即軸的數量或維度的數量對象的尺度，對于矩陣，行列對象元素的個數，相當于中的值對象的元素類型對象中每個元素的大小，以字節為單位的元素類型數據類型說
numpy的數組對象ndarray
np.array()生成一個ndarray數組
np.array()輸出成[]形式，元素由空格分割
軸(axis)：保存數據的維度
秩(rank)：軸的數量
ndarray對象的屬性| 屬性 | 說明 |
|---|---|
| .ndim | 秩，即軸的數量或維度的數量 |
| .shape | ndarray對象的尺度，對于矩陣，n行m列 |
| .size | ndarray對象元素的個數，相當于.shape中n*m的值 |
| .dtype | ndarray對象的元素類型 |
| .itemsize | ndarray對象中每個元素的大小，以字節為單位 |
| 數據類型 | 說明 |
|---|---|
| bool | 布爾類型，True或False |
| intc | 與C語言中的int類型一致，一般是int32或int64 |
| intp | 用于索引的整數，與C語言中ssize_t一致，int32或int64 |
| int8 | 字節長度的整數，取值:[-128, 127] |
| int16 | 16位字節長度的整數，取值:[-32768, 32767] |
| int32 | 32位字節長度的整數，取值:[-2^31, 2^31-1] |
| int64 | 64位字節長度的整數，取值:[-2^63, 2^63-1] |
| uint8 | 8位無符號整數，取值：[0,255] |
| uint16 | 16位無符號整數，取值：[0,65535] |
| uint32 | 32位無符號整數，取值：[0,2^32-1] |
| uint64 | 64位無符號整數，取值：[0,2^64-1] |
| float16 | 16位半精度浮點數：1位符號位，5位指數，10位尾數 |
| float32 | 32位半精度浮點數：1位符號位，8位指數，23位尾數 |
| float64 | 64位半精度浮點數：1位符號位，11位指數，52位尾數 |
| complex64 | 復數類型，實部和虛部都是32位浮點數 |
| complex128 | 復數類型，實部和虛部都是64位浮點數 |
x = np.array(list/tuple)2.使用numpy中函數創建ndarray數組，如：arange, ones, zeros等
x = np.array(list/tuple, dtype = np.float32)
當np.array()不指定dtype時，numpy將根據數據情況關聯一個dtype類型
| 函數 | 說明 |
|---|---|
| np.arange(n) | 類似range()函數，返回ndarray類型，元素從0到n-1 |
| np.ones(shape) | 根據shape生成一個全1數組，shape是元組類型 |
| np.zeros(shape) | 根據shape類型生成一個全0數組，shape是元組類型 |
| np.full(shape,val) | 根據shape生成一個數組，每個元素值都是val |
| np.eye(n) | 創建一個正方的n*n單位矩陣，對角線為1，其余為0 |
| np.ones_like(a) | 根據數組a的形狀生成一個全1數組 |
| np.zeros_like(a) | 根據數組a的形狀生成一個全0數組 |
| np.full_like(a, val) | 根據數組a的形狀生成一個數組，每個元素都是val |
| np.linspace() | 根據起止數據等間距地填充數據，形成數組 |
| np.concatenate() | 將兩個或多個數組合并成一個新的數組 |
| 方法 | 說明 |
|---|---|
| .reshape(shape) | 不改變數組元素，返回一個shape形狀的數組，原數組不變 |
| .resize(shape) | 與.reshape()功能一致，但修改原數組 |
| .swapaxes(ax1,ax2) | 將數組n個維度中的兩個維度進行調換 |
| .flatten() | 對數組進行降維，返回折疊后的一維數組，原數組不變 |
new_a = a.astype(new_type)
astype()方法一定會創建新的數組（原始數據的一個拷貝），即使兩個類型一致
ls = a.tolist()
Numpy一元函數對ndarray中的數據執行元素級運算的函數
| 函數 | 說明 |
|---|---|
| np.abs(x) np.fabs(x) | 計算數組各元素的絕對值 |
| np.sqrt(x) | 計算數組各元素的平方根 |
| np.square(x) | 計算數組各元素的平方 |
| np.log(x) np.log10(x) np.log2(x) | 計算數組各元素的自然對數、10底對數和2底對數 |
| np.ceil(x) np.floor(x) | 計算數組各元素的ceiling值或floor值 |
| np.rint(x) | 計算數組各元素的四舍五入值 |
| np.modf(x) | 將數組各元素的小數和整數部分以兩個獨立數組的形式返回 |
| np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x) | 計算各元素的普通型和雙曲型三角函數 |
| np.exp(x) | 計算數組各元素的指數值 |
| np.sign(x) | 計算數組各元素的符號值，1(+),0,-1(-) |
| 函數 | 說明 |
|---|---|
| + -* / ** | 兩個數組各元素進行對應運算 |
| np.maximum(x,y) np.fmax() | 元素級的最大值計算 |
| np.minimum(x,y) np.fmin() | 元素級的最小值計算 |
| np.mod(x,y) | 元素級的模運算 |
| np.copysign(x,y) | 將數組y中各元素值的符號賦值給數組x對應元素 |
| > < >= <= == != | 算術比較，產生布爾型數組 |
1.np.savetxt(frame, array, fmt="%.18e", delimiter=None)
frame:文件、字符串或產生器，可以是.gz或.bz2的壓縮文件
array:存入文件的數組
fmt:寫入文件的格式， 例如：%d %.2f %.18e
delimiter:分割字符串，默認是任何空格
2.np.loadtxt(frame, dtype=np.float, delimiter=None, unpack=False)
frame:文件、字符串或產生器，可以是.gz或.bz2的壓縮文件
dtype:數據類型，可選
delimiter:分割字符串，默認是任何空格
unpack:如果是True，讀入屬性將分別寫入不同變量
3.CSV文件的局限性
CSV只能有效存儲一維和二維數組
np.savetxt() np.loadtxt()只能有效存取一維和二維數組
多維數據的存取1. a.tofile(frame, sep="", format="%s")
frame:文件、字符串
sep:數據分割字符串，如果是空串，寫入文件為二進制
format:寫入數據的格式
2. np.fromfile(frame, dtype=float, count=-1, sep="")
frame:文件、字符串
dtype:讀取的數據類型
count:讀取元素個數、-1表示讀取整個文件
sep:數據分割字符串，如果是空串，寫入文件為二進制
注意：該方法需要讀取時知道存入文件時數組的維度和元素類型，a.tofile()和np.fromfile()需要配合使用
1. np.save(fname, array)或np.savez(fname, array)
fname:文件名，以.npy為拓展名，壓縮拓展名為.npz
array:數組變量
2.np.load(fname)
fname:文件名，以.npy為拓展名，壓縮拓展名為.npz
Numpy的隨機數函數(np.random)| 函數 | 說明 |
|---|---|
| rand(d0,d1,...,dn) | 根據d0-dn創建隨機數數組，浮點數，[0,1)，均勻分布 |
| randn(d0,d1,...,dn) | 根據d0-dn創建隨機數數組，標準正態分布 |
| randint(low, high, shape) | 根據shape創建隨機整數或整數數組，范圍是[low,high) |
| seed(s) | 隨機數種子，s是給定的種子值 |
| shuffle(a) | 根據數組a的第一軸進行隨機排列，改變數組x |
| permutation(a) | 根據數組a的第一軸產生一個新的亂序數組，不改變數組x |
| choice(a,size,replace,p) | 從一維數組a中以概率p抽取元素，形成size形狀新數組，replace表示是否可以重用元素，默認為False |
| uniform(low,high, size) | 產生具有均勻分布的數組,low起始值,high結束值,size形狀 |
| normal(loc,scale,size) | 產生具有正態分布的數組,loc均值,scale標準差,size形狀 |
| poisson(lam, size) | 產生具有泊松分布的數組,lam隨機事件發生率,size形狀 |
| 函數 | 說明 |
|---|---|
| sum(a, axis=None) | 根據給定軸axis計算數組a相關元素之和，axis整數或元組 |
| mean(a, axis=None) | 根據給定軸axis計算數組a相關元素的期望，axis整數或元組 |
| average(a, axis=None, weights=None) | 根據給定軸axis計算數組a相關元素的加權平均值 |
| std(a, axis=None) | 根據給定軸axis計算數組a相關元素的標準差 |
| var(a, axis=None) | 根據給定軸axis計算數組a相關元素的方差 |
| min(a) max(a) | 計算數組a中元素的最小值、最大值 |
| argmin(a) argmax(a) | 計算數組a中元素最小值、最大值的降一維后的下標 |
| unravel_index(index, shape) | 根據shape將一維下標index轉換成多維下標 |
| ptp(a) | 計算數組a中元素最大值與最小值的差 |
| median(a) | 計算數組a中元素的中位數（中值） |
| 函數 | 說明 |
|---|---|
| np.gradient(f) | 計算數組f中元素的梯度，當f為多維時，返回每個維度的梯度 |
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://m.specialneedsforspecialkids.com/yun/44864.html
摘要：和的的區別和的的區別返回列表，返回迭代器，節約內存當后面沒有元素可以的時候，彈出錯誤等是可迭代的但不是迭代器，因為函數無法調用它們。等是可迭代的但不是迭代器，因為函數無法調用它們。 ...
摘要：作為一個正奮戰在之路上的球迷，開始了一次數據分析實戰，于是，以分析球賽數據為起點的操作開始了前言作為一個功能強大的編程語言，如今在數據分析機器學習人工智能等方面如日中天。 Casey 豈安業務風險分析師主要負責豈安科技RED.Q的數據分析和運營工作。 12月19日，科比再次站在斯臺普斯中心球館中央，見證自己的兩件球衣高懸于球館上空。作為一個正奮戰在 Python 之路上的球迷，...
摘要：有部分前端人員使用的是盜版的。非編程相關其它一些我使用的，但與編程關系不大的正版工具。尊重別人，更是尊重自己做為一個程序員，使用正版，我認為這不是自做清高的事情，這是對自己職業的一種基本尊重。 ...
摘要：在下面的例子中，我們創建了一個二維數組并插入了兩列輸出如果沒有使用參數，則會輸出這就是數組結構的扁平化。下面的例子中我們從二維數組中刪除了一行輸出在方法中，首先給出數組，然后給出要刪除的元素的索引。數組被傳遞給函數。 NumPy 是一個Python 庫，用于 Python 編程中的科學計算。在本教程中，你將學習如何在 NumPy 數組上以多種方式添加、刪除、排序和操作元素。 NumPy...
摘要：在下面的例子中，我們創建了一個二維數組并插入了兩列輸出如果沒有使用參數，則會輸出這就是數組結構的扁平化。下面的例子中我們從二維數組中刪除了一行輸出在方法中，首先給出數組，然后給出要刪除的元素的索引。數組被傳遞給函數。 NumPy 是一個Python 庫，用于 Python 編程中的科學計算。在本教程中，你將學習如何在 NumPy 數組上以多種方式添加、刪除、排序和操作元素。 NumPy...
閱讀 6205·2021-11-22 15:32
閱讀 826·2021-11-11 16:54
閱讀 3163·2021-10-13 09:40
閱讀 2169·2021-09-03 10:35
閱讀 1837·2021-08-09 13:47
閱讀 1878·2019-08-30 15:55
閱讀 1938·2019-08-30 15:43
閱讀 2460·2019-08-29 17:06
