1. <output id="hzk7v"><pre id="hzk7v"><address id="hzk7v"></address></pre></output>
      <output id="hzk7v"></output>
    2. <nav id="hzk7v"><i id="hzk7v"><em id="hzk7v"></em></i></nav>
    3. <listing id="hzk7v"><delect id="hzk7v"><em id="hzk7v"></em></delect></listing>

      Python3.5基础之NumPy模块的使用图文与实例详解

       更新时间£º2019年04月24日 09:54:46   作者£ºloveliuzz   我要评论

      这篇文章主要介绍了Python3.5基础之NumPy模块的使用,结合图文与实例形式详细分析了Python3.5中Numpy模块的原理¡¢功能¡¢使用方法及操作注意事项,需要的朋友可以参考下

      本文实例讲述了Python3.5基础之NumPy模块的使用¡£分享给大家供大家参考£¬具体如下£º

      1¡¢简介





      2¡¢多维数组¡ª¡ªndarray















      #!/usr/bin/env python
      # -*- coding:utf-8 -*-
      # Author:ZhengzhengLiu
      
      import numpy as np
      
      #1.创建ndarray
      #创建一维数组
      n1 = np.array([1,2,3,4])
      print(n1)
      
      #属性--ndim:维度;dtype:元素类型;shape:数组形状;
      # size:数组元素总个数£¬shape值相乘得到
      print("n1维度:",n1.ndim)
      print("n1元素类型:",n1.dtype)
      print("n1数组形状:",n1.shape)
      print("n1数组元素总个数:",n1.size)
      
      #创建二维数组
      n2 = np.array([
        [1,2,3,4],
        [5,6,7,8]
      ])
      
      print(n2)
      print("n2维度:",n2.ndim)
      print("n2元素类型:",n2.dtype)
      
      #创建三维数组
      n3 = np.array([
        [
          [1,2,3,4],
          [5,6,7,8]
        ],
        [
          [10,20,30,40],
          [50,60,70,80]
        ]
      ])
      
      print(n3)
      print("n3数组形状:",n3.shape)
      print("n3数组元素总个数:",n3.size)
      
      #2.通过函数创建数组
      z = np.zeros((3,2))   #创建指定形状的数组£¬数值由零填充
      print(z)
      print(z.dtype)
      
      o = np.ones((2,4))   #创建指定形状的数组£¬数值由1填充
      print(o)
      
      e = np.empty((2,3,2))  #创建指定形状的数组£¬数值由未初始化的垃圾值填充
      print(e)
      
      #3.通过函数计算的方式去创建数组
      #一个参数£¬区间左闭右开£¬默认起始值为0£¬步长为1
      np1 = np.arange(10)
      print(np1)
      
      #两个参数£¨起始值£¬终止值£©£¬区间左闭右开£¬默认步长为1
      np2 = np.arange(2,10)
      print(np2)
      
      #三个参数£¨起始值£¬终止值£¬步长£©£¬区间左闭右开£¬步长为2
      np3 = np.arange(2,10,2)
      print(np3)
      
      #倒序创建数组元素
      np4 = np.arange(10,2,-1)
      print(np4)
      
      #全闭区间£¬参数£¨起始值£¬终止值£¬元素个数£©,等差数列
      np5 = np.linspace(0,10,5)
      print(np5)
      
      #全闭区间£¬以10为底数参数为指数£¨起始值£¬终止值£¬元素个数£©£¬等比数列
      np6 = np.logspace(0,2,5)
      print(np6)
      
      #生成随机数的数组
      np7 = np.random.random((2,3))
      print(np7)
      

      运行结果£º

      [1 2 3 4]
      n1维度: 1
      n1元素类型: int32
      n1数组形状: (4,)
      n1数组元素总个数: 4
      [[1 2 3 4]
       [5 6 7 8]]
      n2维度: 2
      n2元素类型: int32
      [[[ 1  2  3  4]
        [ 5  6  7  8]]

       [[10 20 30 40]
        [50 60 70 80]]]
      n3数组形状: (2, 2, 4)
      n3数组元素总个数: 16
      [[ 0.  0.]
       [ 0.  0.]
       [ 0.  0.]]
      float64
      [[ 1.  1.  1.  1.]
       [ 1.  1.  1.  1.]]
      [[[  1.02548961e-305   5.40165714e-067]
        [  1.05952696e-153   9.69380992e+141]
        [  2.17151199e+214   4.34975848e-114]]

       [[  2.08064175e-115   1.91431714e+227]
        [  6.42897811e-109   1.26088822e+232]
        [  9.51634286e-114   5.45764552e-306]]]
      [0 1 2 3 4 5 6 7 8 9]
      [2 3 4 5 6 7 8 9]
      [2 4 6 8]
      [10  9  8  7  6  5  4  3]
      [  0.    2.5   5.    7.5  10. ]
      [   1.            3.16227766   10.           31.6227766   100.        ]
      [[ 0.55980469  0.99477652  0.82310732]
       [ 0.97239333  0.1409895   0.57213264]]

      #修改ndarray形状
      np8 = np.arange(0,20,2)
      print(np8)
      print(np8.size)
      
      np9 = np8.reshape(2,5)
      print(np9)
      print(np9.size)
      
      #reshape函数是对被修改数组的一个拷贝£¬共享同一内存£¬
      # 修改其中一个数组会影响里一个
      np9[1][2] = 50
      print(np8)
      print(np9)
      
      # -1表示第二维自动根据元素个数计算
      np10 = np8.reshape(5,-1)
      print(np10)
      
      #shape直接修改原来数组的形状
      np8.shape=(2,-1)
      print(np8)

      运行结果£º

      [ 0  2  4  6  8 10 12 14 16 18]
      10
      [[ 0  2  4  6  8]
       [10 12 14 16 18]]
      10
      [ 0  2  4  6  8 10 12 50 16 18]
      [[ 0  2  4  6  8]
       [10 12 50 16 18]]
      [[ 0  2]
       [ 4  6]
       [ 8 10]
       [12 50]
       [16 18]]
      [[ 0  2  4  6  8]
       [10 12 50 16 18]]

      Numpy基本操作?#24471;?/strong>










      更多关于Python相关内容?#34892;?#36259;的读者可查看本站专题£º¡¶Python数学运算技巧总结¡·¡¢¡¶Python数据结构与算法教程¡·¡¢¡¶Python函数使用技巧总结¡·¡¢¡¶Python字符串操作技巧汇总¡·¡¢¡¶Python入门与进阶经典教程¡·及¡¶Python文件与目录操作技巧汇总¡·

      希望本文所述?#28304;?#23478;Python程序设计?#20852;?#24110;助¡£

      相关文章

      最新评论

      3dÊÔ»úºÅÖвÊÍø

        1. <output id="hzk7v"><pre id="hzk7v"><address id="hzk7v"></address></pre></output>
          <output id="hzk7v"></output>
        2. <nav id="hzk7v"><i id="hzk7v"><em id="hzk7v"></em></i></nav>
        3. <listing id="hzk7v"><delect id="hzk7v"><em id="hzk7v"></em></delect></listing>

            1. <output id="hzk7v"><pre id="hzk7v"><address id="hzk7v"></address></pre></output>
              <output id="hzk7v"></output>
            2. <nav id="hzk7v"><i id="hzk7v"><em id="hzk7v"></em></i></nav>
            3. <listing id="hzk7v"><delect id="hzk7v"><em id="hzk7v"></em></delect></listing>