numpy数组的基本用法

第第页numpy数组的基本用法

实验环境：建立在（Python3）的基础之上

numpy提供了一种数据类型，提供了数据分析的运算基础，安装方式

#共11个数t_list=np.linspace(0,10,10)print(t_list)#共10个数t_list=np.linspace(0,10,10,endpoint=False)print(t_list)

6、np.arange(start,stop,step,dtype)

t_list=np.arange(1,10,2)print(t_list)

7、np.random.randint(low,high=None,size=None,dtype)

#随机数t_list=np.random.randint(1,100,size=(5,4))print(t_list)

8、np.random.random(size)

#0到1之间的随机数t_list=np.random.random(size=(5,4))print(t_list)

9、np.random.permutation()

#随机索引t_list=np.random.permutation(10)print(t_list)

10、属性

t_list=np.full(shape=(2,3,4),fill_value=10,dtype=32)print(t_list)#维度print(t_list.ndim)#形状print(t_list.shape)#大小print(t_list.size)#元素类型print(t_list.dtype)

数组的索引和切片

1、索引

t_list=np.array([1,2,3,4,5])#以下标的方式访问print(t_list[0])#以列表索引的方式访问print(t_list[[0,1,2,0,1,3]])#以布尔类型访问，得到数组中True的值，但布尔列表的长度需要与数组长度相同print(t_list[[True,False,True,False,False]])#数组可以做运算print(t_list>3)print(t_list[t_list>3])t_list=np.array([[1,20,3],[2,30,4],[3,40,5]])print(t_list[0][1])#下标可以放在一起print(t_list[0,1])#高维数组t_list=np.random.randint(1,10,size=(3,4,5),dtype=32)print(t_list)print(t_list[1])print(t_list[1,1])print(t_list[1,1,1])

2、切片

t_list=np.random.randint(1,100,size=(10),dtype=32)print(t_list)#切片print(t_list[2:5])t_list=np.random.randint(1,100,size=(5,6),dtype=32)print(t_list)#行切片print(t_list[1:3])#列切片print(t_list[:,1:3])t_list=np.random.randint(1,100,size=(3,6,5),dtype=32)print(t_list)print(t_list[:,:,1:3])

3、变形

t_list=np.random.randint(1,100,size=(20),dtype=32)#一维数组变形为二维数组，变形需要注意，前后两个数组的元素个数相同print(t_list.reshape(4,5))

4、连接

t_list=np.random.randint(1,100,size=(4,4))t_list2=np.random.randint(1,100,size=(4,4))#横向连接，要求两个数组的横列大小相同t_list=np.concatenate((t_list,t_list2),axis=1)#纵向连接，要求两个数组的横列大小相同t_list=np.concatenate((t_list,t_list2),axis=0)

t_list=np.random.randint(1,100,size=(4,4))t_list2=np.random.randint(1,100,size=(4,4))np.hstack((t_list,t_list2))np.vstack((t_list,t_list2))

5、切分

t_list=np.random.randint(1,100,size=(4,8))#横向切分，等份切分part1,part2=np.split(t_list,indices_（or）_sec（ti）ons=2)print(part1)print(part2)#纵向切分part1,part2=np.split(t_list,indices_or_sections=2,axis=1)print(part1)print(part2)t_list=np.random.randint(1,100,size=(5,7))part1,part2,part3=np.split(t_list,indices_or_sections=[2,3])print(part1)print(part2)print(part3)part1,part2,part3=np.split(t_list,indices_or_sections=[2,3],axis=1)print(part1)print(part2)print(part3)

part1,part2,part3=np.vsplit(t_list,indices_or_sections=[2,3])print(part1)print(part2)print(part3)part1,part2,part3=np.hsplit(t_list,indices_or_sections=[2,3])print(part1)print(part2)print(part3)

6、复制

ct_list=t_list.copy()ct_list[1,2]=1000print(t_list)print(ct_list)

（聚合）操作

1、求和

t_list=np.random.randint(1,100,size=(4,8))#求和print(t_list.sum())#求均值print(t_list.mean())#求最值print(t_list.max())print(t_list.min())#最值索引print(t_list.argmax())print(t_list.argmin())#标准方差print(t_list.std())#方差print(t_list.var())#中位数print(np.median(t_list))

2、布尔运算

t_list=np.array([True,False,True,True])#只要存在一个True，返回Trueprint(t_list.any())#全部为Ture，返回Trueprint(t_list.all())

3、矩阵

t_list=np.array([[1,2,3],[2,3,4]])t_list2=np.