2-2array结构

In [1]:

import numpy as np

 

对于ndarra结构来说，里面所有的元素必须 是同一类型的如果不是的话，会自动的向下进行转换

In [2]:

tang_list=[1,2,3,4,5]
tang_array=np.array(tang_list)
tang_array

Out[2]:

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

In [3]:

type(tang_array)

Out[3]:

numpy.ndarray

In [4]:

tang_array.dtype#数据类型

Out[4]:

dtype('int32')

In [5]:

tang_array.itemsize#查看里面的元素占多少个字节

Out[5]:

4

In [6]:

tang_array.shape#查看是多大，多少维

Out[6]:

(5,)

In [7]:

tang_array.size#只查看大小

Out[7]:

5

In [8]:

np.size(tang_array)#只查看大小

Out[8]:

5

In [9]:

np.shape(tang_array)#看维度和大小

Out[9]:

(5,)

In [10]:

tang_array.ndim#只看维度

Out[10]:

1

In [11]:

tang_array.fill(0)#填充替换
tang_array

Out[11]:

array([0, 0, 0, 0, 0])

 

索引与切片

In [12]:

tang_list=[1,2,3,4,5]
tang_array=np.array(tang_list)
tang_array[0]

Out[12]:

1

In [13]:

tang_array[1:3]

Out[13]:

array([2, 3])

In [14]:

tang_array[-2:]

Out[14]:

array([4, 5])

 

矩阵格式（多维度形式）

In [15]:

tang_array=np.array([[1,2,3],
                   [4,5,6],
                   [7,8,9]])
tang_array

Out[15]:

array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

In [16]:

tang_array.shape

Out[16]:

(3, 3)

In [17]:

tang_array.size

Out[17]:

9

In [18]:

tang_array.ndim

Out[18]:

2

In [19]:

tang_array[1,1]

Out[19]:

5

In [20]:

tang_array[1,1]=10#更改赋值
tang_array

Out[20]:

array([[ 1,  2,  3],
       [ 4, 10,  6],
       [ 7,  8,  9]])

In [21]:

tang_array[1]

Out[21]:

array([ 4, 10,  6])

In [22]:

tang_array[:,1]

Out[22]:

array([ 2, 10,  8])

In [23]:

tang_array[0,0:2]

Out[23]:

array([1, 2])

In [24]:

tang_array2=tang_array
tang_array2

Out[24]:

array([[ 1,  2,  3],
       [ 4, 10,  6],
       [ 7,  8,  9]])

In [25]:

tang_array2[1,1]=100
tang_array2

Out[25]:

array([[  1,   2,   3],
       [  4, 100,   6],
       [  7,   8,   9]])

In [26]:

tang_array#2改后1也会变

Out[26]:

array([[  1,   2,   3],
       [  4, 100,   6],
       [  7,   8,   9]])

In [27]:

tang_array2=tang_array.copy()#用copy后就1不会被影响
tang_array2

Out[27]:

array([[  1,   2,   3],
       [  4, 100,   6],
       [  7,   8,   9]])

In [28]:

tang_array2[1,1]=500
tang_array2

Out[28]:

array([[  1,   2,   3],
       [  4, 500,   6],
       [  7,   8,   9]])

In [29]:

tang_array#用copy后就1不会被影响

Out[29]:

array([[  1,   2,   3],
       [  4, 100,   6],
       [  7,   8,   9]])

In [30]:

tang_array=np.arange(0,100,10)#指定等差数组
tang_array

Out[30]:

array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])

In [31]:

mask = np.array([1,0,1,0,1,1,1,0,1,0],dtype=bool)
mask

Out[31]:

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

In [32]:

tang_array[mask]

Out[32]:

array([ 0, 20, 40, 50, 60, 80])

In [33]:

random_arrray=np.random.rand(10)
random_arrray

Out[33]:

array([0.81374296, 0.10841852, 0.76433989, 0.0419636 , 0.97549129,
       0.99717103, 0.14301514, 0.7507463 , 0.59333681, 0.18393359])

In [34]:

mask=random_arrray>0.5
mask

Out[34]:

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

In [35]:

random_arrray[mask]

Out[35]:

array([0.81374296, 0.76433989, 0.97549129, 0.99717103, 0.7507463 ,
       0.59333681])

In [36]:

tang_array=np.array([10,20,30,40,50])
tang_array>30

Out[36]:

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

In [37]:

np.where(tang_array>30)

Out[37]:

(array([3, 4], dtype=int64),)

In [38]:

tang_array[np.where(tang_array>30)]

Out[38]:

array([40, 50])

In [39]:

tang_array=np.array([1,2,3,4,5],dtype=np.float32)
tang_array

Out[39]:

array([1., 2., 3., 4., 5.], dtype=float32)

In [40]:

tang_array.dtype

Out[40]:

dtype('float32')

In [41]:

tang_array.nbytes

Out[41]:

20

In [43]:

tang_array=np.array([1,10,3.5,'str'],dtype=np.object)
tang_array

Out[43]:

array([1, 10, 3.5, 'str'], dtype=object)

In [44]:

tang_array*2

Out[44]:

array([2, 20, 7.0, 'strstr'], dtype=object)

In [45]:

tang_array=np.array([1,2,3,4,5])
np.asarray(tang_array,dtype=np.float32)

Out[45]:

array([1., 2., 3., 4., 5.], dtype=float32)

In [46]:

tang_array

Out[46]:

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

In [47]:

tang_array2=np.asarray(tang_array,dtype=np.float32)#原始的变量不会被改变
tang_array2

Out[47]:

array([1., 2., 3., 4., 5.], dtype=float32)

In [48]:

tang_array2

Out[48]:

array([1., 2., 3., 4., 5.], dtype=float32)

In [49]:

tang_array

Out[49]:

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

In [50]:

tang_array.astype(np.float32)#和asarrary一样原始变量不会变化

Out[50]:

array([1., 2., 3., 4., 5.], dtype=float32)

In [51]:

tang_array

Out[51]:

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