In [2]:

import numpy as np

In [3]:

array = [1,2,3,4,5] #定义数组

In [4]:

array

Out[4]:

[1, 2, 3, 4, 5]

In [5]:

array1=np.array([1,2,3,4,5,6])

In [6]:

type(array1) #获取数据类型

Out[6]:

numpy.ndarray

In [7]:

num1=1

In [8]:

type(num1)

Out[8]:

int

In [9]:

array1.dtype #获取数组元素的数据类型

Out[9]:

dtype('int32')

In [10]:

array1.itemsize #获取数元素组字节数

Out[10]:

In [11]:

array1.shape

Out[11]:

(6,)

In [12]:

array1.size #数组大小

Out[12]:

In [13]:

np.shape(array1)

Out[13]:

(6,)

In [14]:

array1.ndim #数组维度

Out[14]:

In [15]:

array1.fill(0) #将数组所有元素初始化为0
print(array1)

[0 0 0 0 0 0]

In [16]:

array1[0]

Out[16]:

In [17]:

array1=[1,2,3,4,5]

In [18]:

array1[1:3] #从下标1开始取数据，取到下标3

Out[18]:

[2, 3]

In [19]:

array1[-4:] #从倒数第四个开始取 ，取到最后一个

Out[19]:

[2, 3, 4, 5]

In [20]:

array2=np.array([[[1,2,3],[11,55,66]],[[100,102,103],[111,155,166]]])

In [21]:

array2.shape

Out[21]:

(2, 2, 3)

In [22]:

array2.size #2*2*3

Out[22]:

In [23]:

array2.ndim

Out[23]:

In [24]:

print(array2[1,1,1])

In [25]:

array2[1,1,1]=156

In [26]:

array2

Out[26]:

array([[[  1,   2,   3],
        [ 11,  55,  66]],

       [[100, 102, 103],
        [111, 156, 166]]])

In [27]:

array2[:,1,1] #取第一维度所有，取第二维度下标为1的数据，取第三维度下标为1的数据

Out[27]:

array([ 55, 156])

In [28]:

array2[:,:,0] #取第一维度所有，取第二维度所有，取第三维度第0元素

Out[28]:

array([[  1,  11],
       [100, 111]])

In [29]:

array3=array2.copy() #将array2数组复制到array3中
print(array3)

[[[  1   2   3]
  [ 11  55  66]]

 [[100 102 103]
  [111 156 166]]]

In [30]:

array2[0,0,0]=10086 #修改array2中数据，不会对array3中数据造成影响

In [31]:

print(array2,'\n#############################################\n',array3)

[[[10086     2     3]
  [   11    55    66]]

 [[  100   102   103]
  [  111   156   166]]] 
#############################################
 [[[  1   2   3]
  [ 11  55  66]]

 [[100 102 103]
  [111 156 166]]]

In [32]:

array4=np.arange(0,10,1) #取0-10之间不包过10 1为步长的数据
print(array4)

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

In [33]:

mask=np.array([1,1,1,0,0,0,0,0,0,0],dtype=bool) #数组由布尔类型的元素组成，默认将int类型转换为布尔类型
print(mask)

[ True  True  True False False False False False False False]

In [34]:

array4[mask] #获取array4中 与mask为true的数据，数据必须一一对应

Out[34]:

array([0, 1, 2])

In [35]:

randomArray=np.random.rand(10) #取随机数10个
print(randomArray)

[0.50319703 0.33021724 0.46541281 0.36555992 0.39384576 0.20101006
 0.38995084 0.60360763 0.28220682 0.14589713]

In [36]:

mask=randomArray>0.5
mask

Out[36]:

array([ True, False, False, False, False, False, False,  True, False,
       False])

In [37]:

randomArray[mask] #打印大于0.5的数据

Out[37]:

array([0.50319703, 0.60360763])

In [38]:

array1=array1+8

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-38-995782a78cad> in <module>
----> 1 array1=array1+8

TypeError: can only concatenate list (not "int") to list

In [39]:

array1=np.array(array1)
array1

Out[39]:

array([1, 2, 3, 4, 5])

In [40]:

np.where(array1>11) #取数组中大于11的元素位置

Out[40]:

(array([], dtype=int64),)

In [48]:

array5=np.array([1,2,3,4,5],dtype=np.float) #将数组转换为numpy.float类型
print(array5)
array5.dtype
print(array5.nbytes)

[1. 2. 3. 4. 5.]
40

In [54]:

array6=np.array([1,2,3,'apple',1.3],dtype=np.object) #存在多种数据类型时，指定numpy.object类型
print(array6)
array6.dtype
print(array6.nbytes)
array6

[1 2 3 'apple' 1.3]
40

Out[54]:

array([1, 2, 3, 'apple', 1.3], dtype=object)

In [55]:

array6*2 #全元素*2

Out[55]:

array([2, 4, 6, 'appleapple', 2.6], dtype=object)

In [61]:

array7=np.array([1,2,3,4,5]) 
array8=np.asarray(array7,dtype=np.float)
array8

Out[61]:

array([1., 2., 3., 4., 5.])

In [64]:

array9=array7.astype(np.float) #将array7中的数据类型转换为float类型
array9

Out[64]:

array([1., 2., 3., 4., 5.])

江千里

day1-2-Numpy数组相关操作

公告