numpy 基础 | 易学教程

import numpy as np  np.array([2,3]) #创建一个2行3列的一维ndarray数组

常用属性

T 数组的转置(对高维数组而言)
dtype 数组元素的数据类型
size 数组元素的个数
ndim 数组的维数
shape 数组的维度大小(以元组形式)

数据类型dtype:
bool_ , int(8, 16,32,64), uint(8, 16,32,64), float(16,32,64)
类型转换: astype()

array() 将列表转换为数组，可选择显式指定dtype
arange() range的numpy版，支持浮点数
linspace() 类似arange()，第三个参数为数组长度
beros() 根据指定形状和dtype创建全0数组
ones() 根据指定形状和dtype创建全1数组
empty() 根据指定形状和dtype创建空数组(随机值)
eye() 根据指定边长和dtype创建单位矩阵

数组和标量之间的运算

a+1 a*3  1//a    a ** 0.5

2.同样大小数组之间的运算

a+b     a/b     a**b

数组的索引

a[5]        a2[2][3]        a2[2,3]

数组的切片

a[5:8]      a[:3] = 1       a2[1:2, :4]     a2[:,:1]        a2[:,1]

与列表不同，数组切片时并不会自动复制，在切片数组上的修改会影响原数组。
[解决方法: copy()]

原：b=a[:4]   解决：b= a[:4].copy() b[-1] = 250

问题1: 给一个数组，选出数组中所有大于5的数。
答案: a[a>5]
原理：

a> 5会对a中的每一一个元素进行判断，返回一个布尔数组
布尔型索引:将同样大小的布尔数组传进索引，会返回一个由所有True对应位置的元素的数组

问题2: 给一个数组，选出数组中所有大于5的偶数。
问题3: 给一个数组，选出数组中所有大于5的数和偶数。
答案:

a[(a>5) & (a%2==0)] a[(a>5) | (a%2==0)]

【定义】通用函数:能同时对数组中所有元素进行运算的函数
常见通用函数:
一元函数（传1个数组）: abs, sqrt, exp, log, ceil（向上取整）, floor（向下取整）, rint/round(四舍五入), trunc（向零取整）,modf, isnan, isinf, cos, sin, tan
二元函数（传2个数组）: add（加）, substract（减）, multiply（乘）, divide（除）, power（乘方）, mod（取余）,maximum, mininum,

#一元：向上取整ceil,向下取整floor import numpy as np np.ceil(3.1) #结果：4.0 np.floor(3.9) #结果：3.0 #对应python内置math import math math.ceil(3.1) #结果4 math.floor(3.9) #结果3

>>> import numpy as np #==================【一元：向上取整ceil,向下取整floor】============== #-----------------------【ceil函数】------------------------------- >>> a=np.arange(0,5,0.2) >>> a array([0. , 0.2, 0.4, 0.6, 0.8, 1. , 1.2, 1.4, 1.6, 1.8, 2. , 2.2, 2.4,        2.6, 2.8, 3. , 3.2, 3.4, 3.6, 3.8, 4. , 4.2, 4.4, 4.6, 4.8]) >>> np.ceil(a) array([0., 1., 1., 1., 1., 1., 2., 2., 2., 2., 2., 3., 3., 3., 3., 3., 4.,        4., 4., 4., 4., 5., 5., 5., 5.]) #----------------------【modf函数】---------------------------------- >>> a,b=np.modf(a) >>> a array([0. , 0.2, 0.4, 0.6, 0.8, 0. , 0.2, 0.4, 0.6, 0.8, 0. , 0.2, 0.4,        0.6, 0.8, 0. , 0.2, 0.4, 0.6, 0.8, 0. , 0.2, 0.4, 0.6, 0.8]) >>> b array([0., 0., 0., 0., 0., 1., 1., 1., 1., 1., 2., 2., 2., 2., 2., 3., 3.,        3., 3., 3., 4., 4., 4., 4., 4.]) #--------------------【isnan和isinf】-------------------------- #首先看如下运算【isinf】： >>> a=np.array([0,1,2,3,4,5]) >>> b=np.array([5,4,3,2,1,0]) >>> c=a/b   >>> c #因为被除数有个0，所以会有个警告 __main__:1: RuntimeWarning: divide by zero encountered in true_divide #inf表示无限大（infinity）即5/0=inf，考虑微积分情形 array([0.        , 0.25      , 0.66666667, 1.5       , 4.        ,      inf])   #再看如下运算【isnan】： >>> d=np.array([0,1,2]) >>> e=np.array([0,1,2]) >>> f=d/e >>> f #0/0不是数，所以出现警告，nan __main__:1: RuntimeWarning: invalid value encountered in true_divide array([nan,  1.,  1.])  #【isnan和isinf使用：判断是否含有非数（0/0），和无限大数(5/0)】 >>> f array([nan,  1.,  1.]) >>> c array([0.        , 0.25      , 0.66666667, 1.5       , 4.        ,       inf]) >>> np.isnan(f) array([ True, False, False]) >>> np.isinf(c) array([False, False, False, False, False,  True])  #【返回非数、无限大数】~表示非 >>> ~np.isinf(c) array([ True,  True,  True,  True,  True, False]) >>> ~np.isnan(f) array([False,  True,  True])  #-----------【maxinum/mininum】--------- >>> a=np.arange(0,9,1) >>> b=np.arange(10,19,1) >>> a array([0, 1, 2, 3, 4, 5, 6, 7, 8]) >>> b array([10, 11, 12, 13, 14, 15, 16, 17, 18]) >>> np.maximum(a,b)#两个数组对比取大的 array([10, 11, 12, 13, 14, 15, 16, 17, 18])

一、numpy数学和统计学方法：

sum：求和
cumsum：求累计和
mean：求平均数
std：求标准差
var：求方差
min：求最小值
max：求最大值
argmin：求最小值索引
argmax ：求最大值索引

二、随机数生成

rand：给定形状产生随机数组(0到1之间的数)
randint：给定形状产生随机整数
choice：给定形状产生随机选择
shuffle：与random. shuffle相同 (打乱列表原有顺序)
uniform：给定形状产生随机数组

随机数示例：

#==========python内置random========== >>> import random >>> a=np.arange(0,5,1) >>> a array([0, 1, 2, 3, 4]) >>> random.shuffle(a) >>> a array([3, 0, 1, 4, 2])  #==========【numpy random】========== #【np.random.rand()】 >>> np.random.rand() #0-1间随机数 0.8012219581827386 >>> np.random.rand(10) #生成10个0-1间随机数 array([0.80526841, 0.77220095, 0.40605223, 0.75310937, 0.69884484,        0.5413281 , 0.53127462, 0.7825014 , 0.61354559, 0.66085711]) #【np.random.randint】 >>> np.random.randint(1,10) #生成1个  1-10间随机整数组 2 >>> np.random.randint(1,10,5) #生成5个 1-10间随机整数组 array([2, 3, 5, 2, 5]) >>> np.random.randint(1,10,(2,3)) #生成2行3列 1-10间随机 多维 整数组 array([[2, 3, 7],        [1, 9, 3]])

来源：博客园

作者：晨光曦微

链接：https://www.cnblogs.com/chenxi188/p/11775795.html

标签

python数组

ceil

数组