python科学计算库的numpy基础知识,完美抽象多维数组(原创)

时间:2021-08-30 06:45:59
#导入科学计算库
#起别名避免重名
import numpy as np
#小技巧:从外往内看==从左往右看 从内往外看==从右往左看
#打印版本号
print(np.version.version) #1.16.2
#声明一个numpy数组,一层list
nlist = np.array([1,2,3])
print(nlist) #[1 2 3]
#ndim方法用来查看数组的属性--维度
print(nlist.ndim) #1
#使用shape属性来打印多维数组的形状,返回一个tuple,个数,/行数,列数
print(nlist.shape) #(3,)
#声明一个二维数组,二层list
nlist_2 = np.array([[1,2,3],[4,5,6]])
print(nlist_2)
#[[1 2 3]
#[4 5 6]]
print(nlist_2.ndim) #2
print(nlist_2.shape) #(2, 3)
#声明一个三维数组,三层list
nlist3 = np.array([[[1,2,3],[4,5,6],[7,8,9]]])
print(nlist3)
# [[[1 2 3]
# [4 5 6]
# [7 8 9]]]
print(nlist3.ndim) #3
#使用shape属性来打印多维数组的形状,返回一个tuple,个数,/行数,列数
print(nlist3.shape) #(1, 3, 3)
#使用size()方法来打印多维数组的元素个数
print(np.size(nlist)) #3
print(np.size(nlist_2)) #6
#打印numpy多维度数组的数据类型
print(type([1,2,3])) #<class 'list'>
print(type(nlist)) #<class 'numpy.ndarray'>
#使用python内置dtype属性来打印多维度数组内部元素的数据类型
print(type(123)) #<class 'int'>
print(nlist.dtype) #int32
#itemsize属性,来打印多维数组中的数据类型大小,字节
print(nlist.itemsize) #4
print(nlist_2.itemsize) #4
print(nlist3.itemsize) #4
#data属性,用来打印数据缓冲区--buffer---/也就是内存地址/
print(nlist.data) #<memory at 0x000001AF3F0BEA08>
print(nlist_2.data) #<memory at 0x000001FB22BF5CF0>
print(nlist3.data) #<memory at 0x000001FB1A730D68>
#使用reshape()方法,根据形状反向生成多维数组
nlist_3 = np.array(range(24)).reshape((3,2,4)) #3个二维数组,2每组2行,4列数
print(nlist_3)
#使用浮点--元素类型
nlist_float = np.array([1.0, 2.0, 3.0])
print(nlist_float.dtype) #float64
#使用字符串-元素类型
nlist_str = np.array(['1','2','3'])
print(nlist_str.dtype) #<U1
print(range(20))
print(type(range(20)))
nlist_4 = np.array([[[[1,2,3,4,5],[6,7,8,9,10],[11,12,13,14,15],[16,17,18,19,20]]]])
print(nlist_4)
print(nlist_4.ndim)
print(nlist_4.shape)
print(nlist_4.itemsize)
print(nlist_4.dtype)
print(np.size(nlist_4))
nlist_4 = np.array(range(20)).reshape((1,1,4,5))
print(nlist_4.ndim)
nlist_2_true = np.array([[True,True,True],[True,True,True],[True,True,True]])
print(nlist_2_true)
i = []
nlist2_true = [ i.append(True) for x in range(20) ]
print(i)
nlist_2_true = np.array(range(20)).reshape((1,2,10))
print(nlist_2_true)
 
 
#声明一个size为20的四维数组
nlist_4 = np.array(range(20)).reshape((2,5,1,2))
print(nlist_4)
print(nlist_4.ndim)
print(nlist_4.shape)
#声明一个三行三列的数组
nlist_33 = np.array([[1,2,3],[1,2,3],[5,7,8]])
print(nlist_33)
print(nlist_33.shape)
print(nlist_33.ndim)
print(nlist_33.itemsize) #元素字节
print(nlist_33.size) #长度
print(np.size(nlist_33))
print(np.shape(nlist_33))
#使用ones()自动生成元素为1的多维数组
nlist_ones = np.ones((4,4))
print(nlist_ones)
print(nlist_ones.dtype) #元素float64
#使用zeros()来生成元素为0的多维数组
nlist_zeros = np.zeros((4,4))
print(nlist_zeros)
#使用empty()方法来生成随机多维数组,使用第二个参数指定元素类型
nlist_empty = np.empty([2,2],dtype=np.int)
print(nlist_empty)
print(nlist_empty.dtype) #int32
# numpy把普通list转换为数组
x = [1,2,3]
print(type(x))
nlist = np.asarray(x)
print(type(nlist))
print(nlist)
y = [(1,2,3),(4,5)]
nlist_y = np.asarray(y)
print(nlist_y.ndim) #1
#frombuffer 通过字符串(buffer内存地址)字节切片来生成多维数组
#b强转byte字节
my_str = b'Hello World'
nlist_str = np.frombuffer(my_str,dtype='S1')
print(nlist_str)
x = np.array([[1,2],[3,4]])
print(x)
#指定axis属性,可以指定当前多维数组的维度
sum0 = np.sum(x,axis = 0,keepdims=True) #axis = 0/行级/
print(sum0)
sum1 = np.sum(x,axis=1,keepdims=True) #axis = 1/列级/
print(sum1)
#多维数组赋值
x = np.array([1,2])
x[1] = 3
y = x.copy()
y[0] = 3
print(x)
#维度级的运算
a = np.array([[1,2],[3,4],[5,6]])
b = np.array([[11,22],[33,44],[55,66]])
#vstack()方法---维度一样--- vertical垂直合并
suma = np.vstack((a,b))
print(suma)
#hstack()方法---维度一样--- 横向连纵
sumb = np.hstack((a,b))
print(sumb)
#多维数组调用
nl = np.array([[1,2],[3,4],[5,6]])
print(nl[[2]])
print(nl[0][0])
print(nl[1][1])
nl[1,1] = 444
print(nl)
#删除方法 delete
#删除nlist第二行
print(np.delete(nl,1,axis=0))
print(np.delete(nl,0,axis=1))
a=np.arange(0, 20, 5)
print(a)
print(a.dtype)
b=np.arange(0, 3.0, 0.4)
print(b)
print(b.dtype)
#范围区间差 = 形状数的乘积
a=np.arange(1,5).reshape((2,2))
b=np.arange(3,7).reshape((2,2))
print(a)
print(b)
# 1、创建一个长度为10的一维全为0的多维数组,然后让第5个元素等于1
ll = np.zeros((10,))
print(ll)
print(ll.ndim)
print(ll.size)
ll[4] = 1
print(ll)
q1 = np.zeros(shape=10)
print(q1)
q1[4] = 1
print(q1)
# 2、创建一个每一行都是从0到4的5*5矩阵
# l_2 = np.array([[0,1,2,3,4],[0,1,2,3,4],[0,1,2,3,4],[0,1,2,3,4],[0,1,2,3,4]])
list_5 = np.array([[range(5)]*5])
print(list_5)
l_2 = np.array([ range(5)]*5).reshape(5,5)
print(l_2)
print(l_2.ndim) #2维
print(l_2.shape)
# 3、假如给定一个3*3的二维数组,如何交换其中两行的元素?
vv0 = np.random.randint(0,100,size=(2,2))
print(vv0)
print(vv0[[1,0]])
# 4、假如给定一个3*3的二维数组,如何交换其中两行的元素?
#使用索引
vv = np.random.randint(0,100,size=(3,3))
print(vv)
print(vv[[1,0,2]])
print(vv[[2,0,1]])
print(vv[[0,2,1]])
# 5、原数组为一维数组,内容为从 0 到 100,抽取出所有偶数。
mm = np.arange(0,101).reshape(101,)
print(mm)
print(mm[::2]) #切片,步长
mm = filter(lambda x:x%2==0, mm)
# print(np.asarray(list(mm)))
print(np.array(list(mm)))
mm = np.array(range(101))
mm = mm[mm % 2 == 0]
print(mm)
names = ['p','y','t']
ages = [18,29,20]
print({n:a for n in names for a in ages})
print({name:age for (name, age) in zip(names,ages)})
mm = np.arange(12).reshape(2,3,2)
print(mm)
print(mm.data)
print(mm.size)
print(mm.itemsize)
print(mm.ndim)
print(mm.dtype)