import numpy # 创建一维的数组对象a = numpy.arange(5)print(a)print(a.dtype) # 类型print(a.shape) # 数据维度 [0 1 2 3 4]int32(5,) # 创建二维的数组对象print(‘-------‘)m = numpy.array([numpy.arange(2), numpy.arange(2)])print(m.shape) # 数据维度print(m, m[0], m[1], m[1][1], sep=‘---‘) # 元素的选取 (2, 2)[[0 1] [0 1]]---[0 1]---[0 1]---1 # numpy的数据类型
# numpy的数据类型，类型转换，占用内存字节数
f64 = numpy.float64(42)
print(f64, type(f64), f64.dtype, f64.dtype.itemsize)
i8 = numpy.int8(42.0)
print(i8, type(i8), i8.dtype, i8.dtype.itemsize)
b = numpy.bool(42)
print(b, type(b))
b = numpy.bool(0)
print(b, type(b))
b = numpy.bool(42.0)
print(b, type(b))
f = numpy.float(True)
print(f, type(f))
f = numpy.float(False)
print(f, type(f))
u16 = numpy.arange(7, dtype = numpy.uint16)
print(u16, type(u16), u16.dtype, u16.dtype.itemsize)
42.0 <class ‘numpy.float64‘> float64 8
42 <class ‘numpy.int8‘> int8 1
True <class ‘bool‘>
False <class ‘bool‘>
True <class ‘bool‘>
1.0 <class ‘float‘>
0.0 <class ‘float‘>
[0 1 2 3 4 5 6] <class ‘numpy.ndarray‘> uint16 2
创建自定义数据类型
t = numpy.dtype([(‘name‘, str, 40), (‘numitems‘, numpy.int32), (‘price‘,numpy.float32)])
print(t)
[(‘name‘, ‘<U40‘), (‘numitems‘, ‘<i4‘), (‘price‘, ‘<f4‘)]
创建自定义数据类型的数组
itemz = numpy.array([(‘Meaning of life DVD‘, 42, 3.14), (‘Butter‘, 13, 2.72)], dtype=t)
print(itemz)
[(‘Meaning of life DVD‘, 42, 3.1400001 ) (‘Butter‘, 13, 2.72000003)]
一维数组的索引和切片
import numpy as npa = np.arange(9) # 创建数组aOut[4]: array([0, 1, 2, 3, 4, 5, 6, 7, 8])a[3:7] # 取中段Out[5]: array([3, 4, 5, 6])a[:7:2] # 有ｓｔｅｐOut[6]: array([0, 2, 4, 6])a[::-1] # 翻转Out[7]: array([8, 7, 6, 5, 4, 3, 2, 1, 0])
多维数组的索引和切片
import numpy as npimport pprint # 将一维数组变为 -> 两个数组，每个数组3行，每行4列（确保几个参数的乘积等于原数组size）b = np.arange(24).reshape(2, 3, 4)print(b)‘‘‘[[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]]‘‘‘print(b.shape) # (2, 3, 4) 维度print(b[0, 0, 0]) # 0 取第一个数组的第一行第一列print(b[0, 0]) # [0 1 2 3] 取第一个数组的第一行print(b[0]) # 取第一个数组‘‘‘[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]‘‘‘print(b[:, 0, 0]) # [ 0 12] 取所有数组的第一行第一列print(b[:, :, 0]) # 取所有数组的所有行的第一列‘‘‘[[ 0 4 8] [12 16 20]]‘‘‘print(b[:, :, :]) # 同print(b)print(b[0, :, :]) # 同print(b[0])print(b[0, ...]) # 同print(b[0])print(‘-----------------‘)print(b[0, 1]) # [4 5 6 7]print(b[0, 1, ::2]) # [4 6] 使用间隔print(b[:, :, 1]) # 取所有数组所有行的第二列‘‘‘[[ 1 5 9] [13 17 21]]‘‘‘print(b[..., 1]) # 同print(b[:, :, 1])print(b[:, 1]) # 取所有数组的第二行‘‘‘[[ 4 5 6 7] [16 17 18 19]]‘‘‘print(b[0, :, 1]) # 取第一个数组的所有行的第二列 [1 5 9]print(b[0, :, -1]) # 取第一个数组的所有行的最后一列 [ 3 7 11]print(b[0, ::2, -1]) # 取第一个数组的所有行的最后一列且使用间隔 [ 3 11]print(b[0, ::-1, -1]) # 反向取第一个数组的所有行的最后一列 [11 7 3]print(b[::-1]) # 反向取所有数组‘‘‘[[[12 13 14 15] [16 17 18 19] [20 21 22 23]] [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]]‘‘‘
print(b.ravel()) # 展平[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]print(b.flatten()) # 展平[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]b.shape = (6, 4) # 重新设置维度print(b)‘‘‘[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23]]‘‘‘print(b.transpose()) # 矩阵转置‘‘‘[[ 0 4 8 12 16 20] [ 1 5 9 13 17 21] [ 2 6 10 14 18 22] [ 3 7 11 15 19 23]]‘‘‘ b.resize(2, 12) # 类似reshape，但会改变自身数据，而非返回赋值形式print(b)‘‘‘[[ 0 1 2 3 4 5 6 7 8 9 10 11] [12 13 14 15 16 17 18 19 20 21 22 23]]‘‘‘
组合
a = np.arange(9).reshape(3, 3)print(a)‘‘‘[[0 1 2] [3 4 5] [6 7 8]]‘‘‘b = a * 2print(b)‘‘‘[[ 0 2 4] [ 6 8 10] [12 14 16]]‘‘‘print(np.hstack((a, b))) # 水平组合‘‘‘[[ 0 1 2 0 2 4] [ 3 4 5 6 8 10] [ 6 7 8 12 14 16]]‘‘‘print(np.concatenate((a, b), axis = 1)) # 同np.hstack((a, b))print(np.vstack((a, b))) # 垂直组合‘‘‘[[ 0 1 2] [ 3 4 5] [ 6 7 8] [ 0 2 4] [ 6 8 10] [12 14 16]]‘‘‘print(np.concatenate((a, b), axis = 0)) # 同np.vstack((a, b))print(np.dstack((a, b))) # 深度组合，没搞懂干啥用‘‘‘[[[ 0 0] [ 1 2] [ 2 4]] [[ 3 6] [ 4 8] [ 5 10]] [[ 6 12] [ 7 14] [ 8 16]]]‘‘‘ print(‘--------------‘)c = np.arange(2) # [0 1]d = c * 2 # [0 2]print(np.column_stack((c, d))) # 列组合‘‘‘[[0 0] [1 2]]‘‘‘print(np.column_stack((a, b)) == np.hstack((a, b))) # 同np.hstack((a, b))print(np.row_stack((c, d))) # 行组合‘‘‘[[0 1] [0 2]]‘‘‘print(np.row_stack((a, b)) == np.vstack((a, b))) # 同np.vstack((a, b))