Numpy基本使用方法

Numpy基本使用方法

numpy簡介

numpy、scipy和matplotlib組合使用代替matlab。numpy主要用於科學計算。

n維數組ndarray

1.ndarray.ndim 定義維度的數量
2.ndarray.shape 數組的維度
3.ndarray.size 數組元素的總個數
4.ndarray.dtype 元素類型
5.ndarray.data 包含實際數組元素的緩衝

創建

a = np.arange(15).reshape(3,5)
print(a)
>>>[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]

a = np.array([2,23,4],dtype=np.int)
print(a)
>>>[ 2 23 4]

a = np.zeros((3,4))
print(a)
>>>[[0. 0. 0. 0.]
    [0. 0. 0. 0.]
    [0. 0. 0. 0.]]

a = np.ones((3,4),dtype = np.int)
print(a)
>>>[[1 1 1 1]
    [1 1 1 1]
    [1 1 1 1]]

a = np.empty((3,4))
print(a)
>>> [[0. 0. 0. 0.]
     [0. 0. 0. 0.]
     [0. 0. 0. 0.]]

a = np.arange(10,20,2)
print(a)
>>>[10 12 14 16 18]

a = np.array([[0,1,2],[3,4,5],[6,7,8]])
print(a)
>>> [[0 1 2]
     [3 4 5]
     [6 7 8]]

計算

a = np.array([10,20,30,40])
b = np.array([0,1,2,3])
c = a - b
print(c)
[10 19 28 37]

d = a + b
print(d)
[10 21 32 43]

e = a * b
print(e)
[  0  20  60 120]

f = a ** 2
print(f)
[ 100  400  900 1600]

函數

c = 10 * np.sin(a)
print(c)
[-5.44021111  9.12945251 -9.88031624  7.4511316 ]
# 邏輯判斷
print(b<3)
[ True  True  True False]
# 矩陣乘法
c = a.dot(b)
print(c)
200

數組統計

# 數組求和，最大值，最小值
a = np.random.random((2,4))
print(a)
[[0.11138439 0.66663092 0.03111582 0.19987269]
 [0.19735493 0.47426296 0.33758108 0.85011231]]

print(np.sum(a))
2.8683150918919527

print(np.max(a))
0.8501123052951051

print(np.min(a))
0.03111582134994273

數組分割

A = np.arange(12).reshape((3,4))
# 三個參數： 目的數組，分割份數，分割方向
# axis = 0 縱向分割；axis = 1 橫向分割
print(np.split(A,2,axis=1))
[array([[0, 1],
       [4, 5],
       [8, 9]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11]])]