-
NumPy中最重要的数据结构是数组（非列表，只能存放同类型元素）对象，即numpy.ndarray
创建数组
numpy.array(object)，object是列表或元组
numpy.asarray(object)
两者区别：
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。
例： a = np.array([1,2,3]) b = np.array(a) c = np.asarray(a) a[1] = 4 print(a) print(b) print(c) ==> [1 4 3] [1 2 3] [1 4 3]
数组的数据类型
1、整型
int8，int16，int32，int64
uint8，uint16，uint32，uint64
2、浮点型
float32（单精度），float64/float_（双精度）
3、字符串
string_（ASCII编码），unicode_ （Unicode编码）
数组属性
a = np.array([1,3,5,7],dtype=np.int64)设置数组的数据类型
a.dtype获取数组的数据类型
a.astype()将数组转换为指定的类型
a.shape获取数组的维度
一维数组==>(元素个数, )；二维数组==>(行数, 列数)
a.reshape(行数, 列数)重塑数组
数据访问
二维数组索引访问：
ndarray[0轴索引, 1轴索引]（0轴索引即行索引，1轴索引即列索引)
二维数组切片访问（以例说明）：
a = np.array([[1,2,3], [4,5,6], [7,8,9]]) print(a[:2,1:2]) print(a[:2,1:2].shape) print(a[1:,1]) print(a[1:,1].shape) ==> [[2] [5]] (2, 1) [5 8] (2,)
0轴和1轴都是切片，得到的就是一个二维数组；0轴或1轴有一个是标量，得到的就是一维数组
数组算术运算（可以使用运算符+,-,*,/,**,%）：
a = np.array([[1,2,3], [4,5,6]]) b = a*2 c = a**2 print(b) print(c) ==> [[ 2 4 6] [ 8 10 12]] [[ 1 4 9] [16 25 36]]
查看全部 -
import numpy as np erweishuzu=np.array([1,3,5,7],[2,4,6,8],[7,8,9,10])
查看全部 -
normal()函数
查看全部 -
concatenate()函数代码
查看全部 -
hstack()函数。。。。。
查看全部 -
linspace()函数。。
查看全部 -
数组和列表的区别。。
查看全部 -
数组对象的特点。。
查看全部 -
数组对象。。。。。
查看全部 -
重要知识
查看全部 -
创建数值范围返回数组对象：
numpy.arange(start,stop,step,dtype)
创建等差数组：
numpy.linspace(start,stop,num.endpoint,retstep,dtype)
num:设置生成的元素个数
endpoint:设置是否包含结束值，布尔值
retstep:是否返回公差，布尔值
创建等比数组：
numpy.logspace(start,stop,num,endpoint,base,dtype)
base,底数
查看全部 -
random模块是np库中的
查看全部 -
连接函数，0轴上的元素连接，则1轴上必须元素个数相同；1轴上元素连接，则0轴上元素必须相同；
查看全部 -
布尔索引深层复制，不影响原数组；切片索引浅层复制，影响原数组；
查看全部 -
布尔索引输出一定是一维数组
查看全部
举报