目录

1.Numpy介绍

2.数组

2.1创建数组

2.2数组的属性

 2.3创建特殊的数组

2.4数组切片操作 

2.4.1——一维数组的切片

2.4.3——二维数组的切片

2.4.4——三维数组的切片

2.5——reshape与resize

 

 3.数组运算

4.个人总结 

---

hello^-^，感谢各位的来访，祝南方的小伙伴小年快乐喔，也祝昨天的北方小伙伴小年快乐。

嘻嘻嘻 

 

1.Numpy介绍

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：

• 一个强大的N维数组对象 ndarray
• 广播功能函数
• 整合 C/C++/Fortran 代码的工具
• 线性代数、傅里叶变换、随机数生成等功能

2.数组

导入numpy模块，在numpy中数组是一个ndarray对象。

import numpy as np

2.1创建数组

numpy用array函数创建数组array([列表] / (元组))，n维数组由(n-1)维数组构成。

一维数组： 

a=np.array([1,2,3,4])
print(a)

[1 2 3 4]

二维数组： 

b=np.array([[0,1,2,3],[1,2,3,4],[2,3,4,5]])
print(b)
print("****************************")
print(b[0])
print(b[0][0])

 [[0 1 2 3]
 [1 2 3 4]
 [2 3 4 5]]

****************************
[0 1 2 3]
0
 

三维数组： 由2个二维数组构成，1个二维数组又由3个一维数组构成，一维数组又由4个元素构成。

c=np.array([[[0,1,2,3],[1,2,3,4],[2,3,4,5]],[[9,8,7,6],[8,7,6,5],[7,6,5,4]]])
print(c)
print("****************************")
print(c[0])
print(c[0][0])
print(c[0][0][0])

[[[0 1 2 3]
  [1 2 3 4]
  [2 3 4 5]]

 [[9 8 7 6]
  [8 7 6 5]
  [7 6 5 4]]]

****************************
[[0 1 2 3]
 [1 2 3 4]
 [2 3 4 5]]
[0 1 2 3]
0

2.2数组的属性

属性	描述
ndim	数组的维数
shape	数组的形状(几行几列)
size	数组元素的总个数
dtype	数组中元素的数据类型
itemsize	数组中每个元素的字节数

示例 ：

b=np.array([[0,1,2,3],[1,2,3,4],[2,3,4,5]])
print(b.ndim)
print(b.shape)
print(b.size)
print(b.dtype)

2
(3, 4)
12
int32

asarray()函数也是将列表或元组转化为数组对象 ，但与array不同的是在数据源本身是ndarray对象时：array()仍然会复制出一个副本，asarray()则直接引用了本来的数组(ndarray对象改变，跟着改变)

示例：

arr1=np.array([[1,1,1],[1,1,1],[1,1,1]])
arr2=np.array(arr1)
arr3=np.asarray(arr1)
arr1[0][0]=2
print("arr1数组为>\n",arr1)
print("arr2数组为>\n",arr2)
print("arr3数组为>\n",arr3)

arr1数组为>
 [[2 1 1]
 [1 1 1]
 [1 1 1]]
arr2数组为>
 [[1 1 1]
 [1 1 1]
 [1 1 1]]
arr3数组为>
 [[2 1 1]
 [1 1 1]
 [1 1 1]]

 2.3创建特殊的数组

函数	功能描述
np.arange(起始数字，结束数字，步长，dtype=数据类型)#前闭后开	创建数字序列数组
np.ones(shape,dtype=数据类型)	创建全1数组
np.zeros(shape,dtype=数据类型)	创建全0数组
np.eye(N,M,k=0, dtype=数据类型) #k为对角元素的索引，N为行，M为列，若省略M则创建方阵	创建返回对角线为1的矩阵
np.linspace(起始数字，结束数字,结束个数，dtype=数据类型)#闭区间	创建等差矩阵
np.logspace(start,stop,结束个数num=，base=，dtype=数据类型) #base的start次方到base的stop次方总共有num个元素。	创建等比矩阵

示例 ：

a=np.arange(1,10,2)
b=np.ones((3,2),dtype=int)
c=np.zeros((3,2),dtype=int)
d=np.eye(4,dtype=int,k=1)
e=np.linspace(2,8,7,dtype=int)
f=np.logspace(2,10,9,base=2,dtype=int)
print("a数组为>\n",a)
print("b数组为>\n",b)
print("c数组为>\n",c)
print("d数组为>\n",d)
print("e数组为>\n",e)
print("f数组为>\n",f)

a数组为>
 [1 3 5 7 9]
b数组为>
 [[1 1]
 [1 1]
 [1 1]]
c数组为>
 [[0 0]
 [0 0]
 [0 0]]
d数组为>
 [[0 1 0 0]
 [0 0 1 0]
 [0 0 0 1]
 [0 0 0 0]]
e数组为>
 [2 3 4 5 6 7 8]
f数组为>
 [   4    8   16   32   64  128  256  512 1024]

2.4数组切片操作 

2.4.1——一维数组的切片

切片操作-数组名[start:stop:step]——start为切片起始下标，stop为切片停止下标(不包含该下标数组值),即左闭又开，step为切片步长。

import numpy as np
import random
a=np.arange(10)         #0-9的闭区间
print(a)
print(a[0:9:2])

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

2.4.3——二维数组的切片

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

[[1 2]
 [5 6]]
[3 7 2]
[5 1]

二维数组的切片为先对行切片再对列切片，中间逗号隔开 ，若为数字则为数字索引的行/列。

注意： 

a[ : ,2]操作为先对每行切片，再对索引为2即第三列切，这里生成的数组为一维数组不是二维数组

2.4.4——三维数组的切片

t=np.array([[[1,2,3],[4,5,6]],[[7,8,9],[4,4,4]]])
print(t[:,:,0])

[[1 4]
 [7 4]]

三维数组切片同理二维数组

注意:

t[ : , : ,0]操作为先切出三维数组的每个数组即2个二维数组，再切除每一行，最后切第一列，得到1个二维数组。

2.5——reshape与resize

函数	功能描述
np.reshape(shape)	不改变当前数组，按照shape创建新的数组
np.resize(shape)	改变当前数组，按照shape创建新的数组

当改变形状时，应该考虑到数组中元素的个数，确保改变前后，元素总个数相等。

 

import numpy as np
import random
t=np.arange(12)
print(t)
print("reshape操作\n")
t.reshape(3,4)
print(t)
print("resize操作\n")
t.resize(3, 4)
print(t)

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

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

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

可利用reshape(-1)将二位数组转换为一维数组  

 3.数组运算

这里拿加法举例子

a=np.array([0,1,2,3])
b=np.array([1,1,1,1])
print(a+b)

[1 2 3 4]

可见对应下标数值相加

一维数组也可和多维数组相加，相加时一维数组扩展至多维 

a=np.array([0,1,2,3])
c=np.array([[1,1,1,1],[2,2,2,2],[3,3,3,3]])
print(a+c)

 [[1 2 3 4]
 [2 3 4 5]
 [3 4 5 6]]

• 数组的减法、乘法、除法运算，和加法运算规则相同。 
• 当两个数组元素的数据类型不同时，精度低的数据类型会向精度高的转换再进行运算。

**幂运算 ：对数组每个元素求n次方

a=np.arange(12).reshape(3,4)
print(a,"\n")
print(a**2)

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

[[  0   1   4   9]
 [ 16  25  36  49]
 [ 64  81 100 121]]

4.个人总结 

以上就为本人对numpy模块数组操作的一部分的简单学习，感谢各位的观看，希望各位也能有所收获，并与我讨论，谢谢大家！！！！！！最后祝大家身体健康，万事如意！！！