python系列之numpy模块学习

xiaoxiao2021-02-28  89

【未完待续】 1.nupmy是什么? numpy是python中用于科学计算的一个库。

import numpy as np # 导入numpy并命名为np print(np.version.version) # 输出numpy的版本 # print(np.__version__) # 也可以这样输出版本

结果如图:

2.创建数组(array)

import numpy as np a = np.array([2,3,4]) # 创建数组a b = np.array([1.2, 3.5, 5.1]) # 创建数组b print(a, a.dtype) # 输出数组及数据类型 print(b, b.dtype) """ 结果如下: [2 3 4] int32 [ 1.2 3.5 5.1] float64 """

3.创建二维数组

import numpy as np b = np.array([[1.5,2,3], [4,5,6]]) # 或者:b = np.array([(1.5,2,3),(4,5,6)]) print(b) """ 结果如下: [[ 1.5 2. 3. ] [ 4. 5. 6. ]] """

4.创建数组时指定类型

# 创建复数型数组 import numpy as np c = np.array([ [1,2], [3,4] ], dtype=complex) print(c) """ 结果如下: [[ 1.+0.j 2.+0.j] [ 3.+0.j 4.+0.j]] """

5.创建全零和全一数组

import numpy as np c = np.zeros(5) # 创建一个元素个数为5的全0向量 d = np.ones(5) # 创建一个元素个数为5的全1向量 print(c, d) """ 结果如下: [ 0. 0. 0. 0. 0.] [ 1. 1. 1. 1. 1.] """ import numpy as np c = np.zeros( (3, 4) ) # 创建一个3*4的全0矩阵 d = np.ones( (3, 4) ) # 创建一个3*4的全1矩阵 print(c) print(d) """ 结果如下: [[ 0. 0. 0. 0.] [ 0. 0. 0. 0.] [ 0. 0. 0. 0.]] [[ 1. 1. 1. 1.] [ 1. 1. 1. 1.] [ 1. 1. 1. 1.]] """

6.创建空数组

import numpy as np e = np.empty( (3, 3) ) # 创建一个3*3的全空矩阵,未初始化 print(e) """ 结果如下(产生的数是未知的): [[ 1.55792878e-312 1.55859035e-312 1.55792780e-312] [ 1.55859124e-312 1.55792878e-312 1.55859044e-312] [ 1.55792780e-312 1.55859114e-312 3.38215407e-306]] """

7.arange()函数产生数序列

import numpy as np # 创建一个序列,包含从10开始以5位单位递增、且小于30的数(不包括30) a = np.arange( 10, 30, 5 ) print(a) b = np.arange( 0, 2, 0.3 ) print(b) """ 结果如下: [10 15 20 25] [ 0. 0.3 0.6 0.9 1.2 1.5 1.8] """ import numpy as np b = np.arange(6) # 缺省间隔为1 print(b) """ 结果如下: [0 1 2 3 4 5] """

8.linspace()函数按数量分割区间

import numpy as np # 将区间[0,2]等间隔分割,生成一个包含9个数的序列 b = np.linspace( 0, 2, 9 ) print(b) """ 结果如下: [ 0. 0.25 0.5 0.75 1. 1.25 1.5 1.75 2. ] """ import numpy as np from numpy import pi # 导入圆周率pi x = np.linspace(0, 2*pi, 4) # 等间隔分割区间[0, 2*pi] print(x) """ 结果如下: [ 0. 2.0943951 4.1887902 6.28318531] """

9.reshape()函数

import numpy as np b = np.array([1,3,5,7,9,4]) print(b) c = b.reshape(2, 3) # 或者: c = np.range(12).reshape(4, 3) print(c) d = c.reshape(3, 2) print(d) """ 结果如下: [1 3 5 7 9 4] # b [[1 3 5] # c [7 9 4]] [[1 3] # d [5 7] [9 4]] """

由结果可见,reshape()函数是将已知数组【按顺序】重新排列所需维度及大小(m1*m2*…*mk)

转载请注明原文地址: https://www.6miu.com/read-17896.html

最新回复(0)