python学习numpy之数组

一、

import numpy as np
t4 = np.array(range(1,4),dtype = "int8")
print(t4)

#bool类型
t5 = np.array([1,0,1,0,1],dtype="bool")
print(t5)
print(t5.dtype)


#调整数据类型
t6 = t5.astype("int8")
print(t6)
[1 0 1 0 1]

#创建数组
t1 = np.arange(10)
print(t1)


#random方法
import random
t7 = np.array([random.random() for i in range(10)])
print(t7)
#调整小数位数
t8 = np.round(t7,2)
print(t8)
#取小数例子
print(round(random.random(),2))
print("%0.2f"%random.random())

[0.87507379 0.4408964  0.31392349 0.44701067 0.74086082 0.62657575
 0.27928578 0.89692359 0.32012547 0.79427387]
[0.88 0.44 0.31 0.45 0.74 0.63 0.28 0.9  0.32 0.79]
0.54
0.02



#shape,第一个行数，第二个列数；若数组是一维的，则第一个数表示元素个数
#shape,数值个数，表示维数
a1 = np.arange(12)
print(a1.shape)
a2 = np.array([[1,2,3],[4,5,6]])
print(a2)
print(a2.shape)

(12,)
[[1 2 3]
 [4 5 6]]
(2, 3)

 

#修改数组维数，reshape. 对数据本身修改不了
a3 = np.arange(10)
a4 = a3.reshape(5,2) # 修改为5行2列
print(a4)
a5 = np.arange(24).reshape(2,3,4) #三维数组
print(a5)
a6 = a5.reshape((4,6))
print(a6)
print(a5.reshape((24,)))

[[0 1]
 [2 3]
 [4 5]
 [6 7]
 [8 9]]
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]

#查看数据个数
a7 = a6.reshape((a6.shape[0]*a6.shape[1],)) #a6 行数乘以列数
print(a7)
#查看数据个数，快捷方法 faltten
a6.flatten()

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
Out[26]:
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])

#数组与数字，数组与数字做计算，数字与数组里面每个数字做计算
print(a6+2)
print(a6/2)
print(a6-10)
print(a6*2)
print(a6/0) #nan不是数字，inf无限

[[ 2  3  4  5  6  7]
 [ 8  9 10 11 12 13]
 [14 15 16 17 18 19]
 [20 21 22 23 24 25]]
[[ 0.   0.5  1.   1.5  2.   2.5]
 [ 3.   3.5  4.   4.5  5.   5.5]
 [ 6.   6.5  7.   7.5  8.   8.5]
 [ 9.   9.5 10.  10.5 11.  11.5]]
[[-10  -9  -8  -7  -6  -5]
 [ -4  -3  -2  -1   0   1]
 [  2   3   4   5   6   7]
 [  8   9  10  11  12  13]]
[[ 0  2  4  6  8 10]
 [12 14 16 18 20 22]
 [24 26 28 30 32 34]
 [36 38 40 42 44 46]]
[[nan inf inf inf inf inf]
 [inf inf inf inf inf inf]
 [inf inf inf inf inf inf]
 [inf inf inf inf inf inf]]

#数组与数组，两数组形状一致对应位置做计算，广播原则
a8 = np.arange(20,44).reshape((4,6))
print(a8)
print(a8+a6)
#数组与数组形状不一致的时候，有维度相同的地方，则维度相同的位置做计算。
a9 = np.arange(0,6)
print(a6 - a9)
a10 = np.arange(0,4).reshape(4,1)
print(a10)
print(a6-a10)
#数组计算，若维度完全不同时,系统报错，计算不了
z1 = np.arange(10)
print(a6-z1)
[[20 21 22 23 24 25]
 [26 27 28 29 30 31]
 [32 33 34 35 36 37]
 [38 39 40 41 42 43]]
[[20 22 24 26 28 30]
 [32 34 36 38 40 42]
 [44 46 48 50 52 54]
 [56 58 60 62 64 66]]
[[ 0  0  0  0  0  0]
 [ 6  6  6  6  6  6]
 [12 12 12 12 12 12]
 [18 18 18 18 18 18]]
[[0]
 [1]
 [2]
 [3]]
[[ 0  1  2  3  4  5]
 [ 5  6  7  8  9 10]
 [10 11 12 13 14 15]
 [15 16 17 18 19 20]]