Numpy基础总结（博客资源备份）

python

Numpy

需积分: 12 364 浏览量更新于2023-05-27 评论收藏 1.05MB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

博
客
园
首
页
新
随
笔
联
系
订
阅
管
理
随笔111文章0评论1
Numpy
基
础
总
结
一
、
文
件
读
取
  numpy.genfromtxt()
可
以
用
来
读
取各
种
文
件
。
常
用
语
法
大
致
如
下
：
　　
numpy.genfromtxt
(fname,dtype=<type'float'>,delimiter=None,skip_header=0,skip_footer=0)
  fname要导入的文件路径
  dtype指定要导入文件的类型，dtype=str/int等等
  delimiter文件中不同元素间的间隔方式，空格还是逗号什么的，如：delimiter=','；
  skip_header是否跳过开头行，一般第一行为类别，为0不跳过，为1或者2则跳过前面1或者2行
 
importnumpy
students=numpy.genfromtxt("student_list.txt",delimiter=",",dtype=str,skip_header=0)

二
、
构
造
ndarray
  1
、
NumPy
的
数
组
类
被
称
作
ndarray
，
通
常
被
称
作
数
组
。
  np.array只是一个便捷的函数，用来创建一个ndarray，它本身不是一个类。
  ndarray：N维数组对象（矩阵），所有元素必须是相同类型。
  ndarray属性：
    ndim属性，表示维度个数；
    shape属性，表示各维度大小；
    dtype属性，表示数据类型。
 创建ndarray数组函数：
 
  array和asarray都可以将结构数据转化为ndarray，但是主要区别就是当数据源是ndarray时，array仍然会
copy出一个副本，占用新的内存，但asarray不会，直接指向A的地址。
公
告
昵称：理想几岁
园龄：1年4个月
粉丝：5
关注：1
+加关注
< 2018
年
10
月
>
日 一 二 三 四 五 六
30 1 2 3 4 5 6
7 8 9 10 11 12 13
14 15 16 17 18 19 20
21 22 23 24 25 26 27
28 29 30 31 1 2 3
4 5 6 7 8 9 10
搜
索
常
用
链
接
我的随笔
我的评论
我的参与
最新评论
我的标签
我
的
标
签
机器学习(21)
tensorflow(7)
Python(7)
R语言(7)
Django(6)
自然语言处理(5)
神经网络(4)
深度学习(3)
MySQL(3)
LDA(2)
更多
随
笔
档案
2018年10月(4)
2018年9月(6)
2018年8月(15)
2018年7月(21)
2018年6月(5)
2018年5月(10)
2018年4月(8)
2018年3月(14)
理
想
几
岁



  numpy.array()
构
造
ndarray
  numpy.array()中传入数组参数，可以是一维的也可以是二维三维的。numpy会将其转变成ndarray的结
构。
vector=numpy.array([1,2,3,4])
matrix=numpy.array([[1,2,3],[4,5,6]])
 
传
入
的
参
数
必
须
是
同
一
结
构
,
不
是
同
一
结
构
将
发
生
转
换
。
vector=numpy.array([1,2,3,4])#均为int型
array([1,2,3,4])
vector=numpy.array([1,2,3,4.0])#转为float类型
array([1.,2.,3.,4.])
vector=numpy.array([1,2,'3',4])#转为str类型
array(['1','2','3','4'],dtype='<U21')
 
利
用
.shape
查
看
结
构
  能够了解array的结构，debug时通过查看结构能够更好地了解程序运行的过程。
print(vector.shape)
print(matrix.shape)
(4,)
(2,3)
 
利
用
dtype
查
看
类
型
vector=numpy.array([1,2,3,4])
vector.dtype
dtype('int64')
  ndim
查
看
维
度
vector=numpy.array([1,2,3,4])
vector.ndim
1
matrix=numpy.array([[1,2,3],
[4,5,6],
[7,8,9]])
matrix.ndim
2
  size
查
看
元
素
数
量
matrix.size
9
  2
、
数
组
和
矩
阵
matrix
的
区
别
（
matrix
和
array
的
区
别
）
Numpymatrix必须是2维的,但是numpyarrays(ndarrays)可以是多维的（1D，2D，3DꞏꞏꞏꞏND）.Matrix
是Array的一个小的分支，包含于Array。所以matrix拥有array的所有特性。但这时候，官方建议大家如果
两个可以通用，那就选择array，因为array更灵活，速度更快，很多人把二维的array也翻译成矩阵。
但是matrix的优势就是相对简单的运算符号，比如两个矩阵相乘，就是用符号*，但是array相乘不能这么
用，得用方法.dot()
2018年1月(5)
2017年12月(9)
2017年11月(4)
2017年10月(8)
2017年9月(2)
2017年8月(1)
最
新
评论
1.Re:Linux下iptables禁止端口和开放端口
赞❥
Subfire
阅
读
排
行
榜
1.Linux下iptables禁止端口和开放端口
(40485)
2.Ubuntu16.04安装Redis(15151)
3.linux下创建virtualenv时指定python版本
(6656)
4.Python的Django框架中forms表单类的使
用方法详解(4369)
5.linux将一个服务器上的文件或者文件夹
复制到另一台服务器上(3036)
评论
排
行
榜
1.Linux下iptables禁止端口和开放端口(1)
推
荐
排
行
榜
1.R语言之数据处理常用包(1)