Python-Numpy常用知识点

1.读取文件

numpy.genfromtxt("*.txt",delimiter=',',dtype=str)-["文件位置“，“分隔符”，“读取类型”]

print(help(numpy.genfromtxt)) 类似Matlab的Help查询功能；

2.创建向量和数组

vector=numpy.array([1,2,3,4])

print(vector.shape)

matrix=numpy.array([5,10,15],[20,25,30])

print(matrix.shape)

3.numpy.array里的东西必须是同一类型；

numbers=numpy.array([1,2,3,4])

numbers.dtype，获取此array的类型；

dtype('int32')

numbers=numpy.array([1,2,3,4.0])

dtype('float64')

4. (1) 获取矩阵中的某一列

matrix=numpy.array([[5,10,15],[20,25,30],[35,40,45]])

print(matrix[:,1])

Out: [10 25 40]

(2)获取矩阵中的某两列

print(matrix[:,0:2])

([5 10] [20 25] [35 40])

5. 判断array里有没有某个数

(1) vector=numpy.array([1,2,3,4])

vector==2

Out: array([False,True,False,False],dtype=bool)

(2)判断出来的Bool类型当成索引；

例子1：（接上）equal_to_two=(vector==2)

print(vector[equal_to_two])

Out: [2]

例子2：matrix=numpy.array([5,10,15],[20,25,30],[35,40,45])

second_column_25=(matrix[:,1]==25)

print second_column_25

print(matrix[second_column_25,;]) 找出含有25索引的那一行；

6.逻辑语法

与的操作：&

或的操作：|

7.array类型变换

vector=numpy.array(["1","2","3"])

print vector.dtype

print vector

vector=vector.astypr(float)

print (vector.dtype)

print(vector)

['1','2','3']

float64

[1,2,3]

8.求Vector的最小值

vector.min()

matrix.sum(axis=1)

Out: arry([30,75,120])

axis=1 维度为每一行相加

axis=0 维度为每一列相加 matrix.sum(axis=0)

9. numpy.arrange(15)--创造出15个元素的数组

[0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15]

np.arrange(15).reshape(3,5) 三行五列；

a.shape 显示矩阵行列格式；

a.ndim 矩阵维度二维；

a.dtype.name 'int32';

a.size 矩阵的元素个数；

np.zeros((3,4)) 初始化一个空矩阵

np.ones((2,3,4),dtype=np.int32) 创建一个全为1的矩阵，类型为int;

np.arrange(10,30,5) 等差数列，<30;

np.random.random((2,3)) 随机数矩阵(-1,1)

np.linspace(0,2*pi,100) 取100个数，间隔相同；

矩阵的相加减；

numbers=numpy.array([1,2,3,4])

print(a<3) [true,true,false,false]

矩阵的乘法：A.dot(B)或 np.dot(A,B)

矩阵每个位置的数值相乘：A*B

B=np.arrange(3)

print(np.exp(B))

np.sqrt(B)

np.floor 向下取整；a=np.floor(10*np.random.random((3,4)))

a.ravel() 把矩阵变成向量；

a.T 矩阵的转置

a.reshape(3,-1) 指定一个维度，另外一个可以出来，-1代表默认，让程序自动计算；

np.hstack(a,b) 拼接矩阵 h 代表横着拼；np.vstack(a,b) v代表竖着拼；

np.hsplit(a,3) 按行切分成3份（2,12）切成（2,4）vsplit:竖着切；

np.hsplit(a,(3,4)) 指定位置切分；指定第三行和第4行；

10. a=b 直接等号赋值，a,b指向内存位置一样；print(id(a))

c=a.view() c[0,4]=1234; a,b虽然指向不同东西，不同东西共用一套值；浅赋值；

d=a.copy() a,b之间没关系；深赋值；

11. 挑最大

data=np.sin(np.arange(20)).reshape(5,4)

ind=data.argmax(axis=0) 按列中最大数的索引；

print(ind) 按照索引值去找这个值

data_max=data[ind,range(data.shape[1])]

print(data_max)

12. b=np.tile(a,(3,5)) 行3倍，列5倍；

b=np.sort(a,axis=1)

j=np.argsort(a) 求出最小值的索引；a[j] 按从小到大排序；

Python-Numpy常用知识点相关推荐

python numpy常用操作、Numpy 多维数组、矩阵相乘、矩阵乘以向量
python numpy常用操作 Numpy基本操作 # 导入numpy import numpy as np # 生成numpy数组 x = np.array([1.0, 2.0, 3.0]) pr ...
python flash_Python常用知识点汇总(Flash)
一．Python中的数据结构 python的元组.列表.字典数据类型是很python(there python is a adjective)的数据结构.这些结构都是经过足够优化后的,所以如果使用好的 ...
Numpy 100道练习题+常用知识点
目录 Numpy 100道练习题知识点总结打印numpy配置 `np.show_config` 数组大小.元素个数.元素比特数查询numpy函数的文档 `np.info` 获取范围数组 `np.a ...
python row函数_Python numpy 常用函数总结
Numpy是什么在没给大家介绍numpy之前先给大家说下python的基本概念. Python 是一种高级的,动态的,多泛型的编程语言.Python代码很多时候看起来就像是伪代码一样,因此你可以使用 ...
list python 访问键值对_基础|Python常用知识点汇总(中)
字符串字符串是 Python 中最常用的数据类型.我们可以使用引号('或")来创建字符串.1.创建字符串 str1 = 'Hello World!' str2 = "Hello W ...
《Python数据分析常用手册》NumPy和Pandas
转自:https://blog.csdn.net/fu6543210/article/details/80508182 <Python数据分析常用手册>NumPy和Pandas 1.Num ...
python数据分析 - numpy | ndarray数组 | numpy常用函数
文章目录数据分析 numpy概述 numpy历史 numpy的核心:多维数组 numpy基础 ndarray数组内存中的ndarray对象 ndarray数组对象的特点 ndarray数组对象的创 ...
高中信息技术python知识点,高中python语言常用语句
python主要学习哪些知识点? 跟几个IT界的大佬提起Python,他们说零基础学好Python很简单,Python进阶需要花费些气力,都说Python简单易学Python上手很容易, 基本有其他语 ...
《python数据分析常用手册》一、NumPy和Pandas篇 ----Good
come from : https://www.cnblogs.com/prpl/p/5537417.html 一.常用链接: 1.Python官网:https://www.python.org/ 2 ...
Python之Numpy常用操作
Numpy常用操作文章目录 Numpy常用操作 1.数组初始化 2.数组基本运算 3.多维数组组合 4.数组中查找最大/小索引 5.查找符合条件元素索引 6.更改数组维度 1.数组初始化 # 生成特 ...

Python-Numpy常用知识点

Python-Numpy常用知识点相关推荐

最新文章

热门文章