numpy中数组的操作

这篇具有很好参考价值的文章主要介绍了numpy中数组的操作。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

一:数组的属性

二:翻转数组

三:数组的计算


一:数组的属性

NumPy 数组(通常称为 ndarray)有许多有用的属性,这些属性可以帮助你了解数组的各个方面。以下是一些主要的属性:

dtype:这是数组的数据类型,如 int32, float64, complex128 等。你可以使用它来查看或修改数组的数据类型。


shape:这是一个元组,描述了数组的维度。对于一维数组,它是一个包含单一元素的元组;对于二维数组,它是一个包含行数和列数的元组;对于更高维度的数组,它可以包含更多元素。例如,一个形状为 (3, 4) 的二维数组有 3 行和 4 列。


size:这是数组中元素的数量。它等于 numpy.prod(array.shape),或者如果你只处理一维数组,它就是数组的长度。


itemsize:这是数组中每个元素的大小(以字节为单位)。例如,对于一个 int64 类型的数组,itemsize 将是 8。


nbytes:这是数组在内存中占用的字节数。它等于 numpy.prod(array.shape) * array.itemsize。


ndim:这是数组的维度数。一维数组的维度数为 1,二维数组的维度数为 2,以此类推。

flat:这是一个一维数组视图,包含了原数组的所有元素。


ctypes:如果数组的数据类型是 ctypes 兼容的,这个属性会返回一个描述数据类型的 ctypes 对象。


要访问这些属性,你只需要使用点操作符(.)来访问它们,就像访问对象的方法一样。例如,要获取一个数组的 dtype,你可以使用 array.dtype。

下面是一个例子展示一个数组的属性信息

a = np.ones((3,2))

numpy中数组的操作,数据分析,numpy
a.dtype  数据类型

numpy中数组的操作,数据分析,numpy

a.size

numpy中数组的操作,数据分析,numpy

a.itemsize

numpy中数组的操作,数据分析,numpy

a.nbytes

numpy中数组的操作,数据分析,numpy

a.ndim

numpy中数组的操作,数据分析,numpy

二:翻转数组

使用numpy.flip()函数:
这个函数会沿着指定的轴翻转数组。默认情况下,它会翻转数组的轴0。

a = np.array([[1,2,3],[4,5,6]])
print(np.flipud(a))  # 

使用numpy.fliplr()函数:
这个函数会沿着轴1翻转数组。相当于numpy.flip(arr, axis=1)。

a = np.array([[1,2,3],[4,5,6]])
print(np.fliplr(a))  #

三:数组的计算

加减剩除:

a = np.array([9,9,9])
print('第一个数组:')
print(a)
print('\n')
print('第二个数组:')
b = np.array([10, 10, 10])
print(b)
print('\n')
print('两个数组相加:')
print(np.add(a, b))
print('\n')
print('两个数组相减:')
print(np.subtract(a, b))
print('\n')
print('两个数组相乘:')
print(np.multiply(a, b))
print('\n')
print('两个数组相除:')
print(np.divide(a, b))

统计元素大小

numpy.amin() 用于计算数组中的元素沿指定轴的最小值。

numpy.amax() 用于计算数组中的元素沿指定轴的最大值。

第一个参数是数组,第二个参数是所沿的轴,对于二维数组,0的话就是每一行的最小值,1的话就是每一列的最小值,不指定轴的话,默认为所有元素的最小值

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

print(np.amax(arr,0))
print(np.amax(arr,1))
print(np.amax(arr))

计算平均值

a = np.array([[1, 2, 3], [4, 5, 6]])

print(np.mean(a))

print(np.mean(a, axis=0))

print(np.mean(a, axis=1))
 

numpy中数组的操作,数据分析,numpy文章来源地址https://www.toymoban.com/news/detail-808118.html

到了这里,关于numpy中数组的操作的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【100天精通Python】Day53:Python 数据分析_NumPy数据操作和分析进阶

    目录 1. 广播  2 文件输入和输出 3 随机数生成 4 线性代数操作  5 进阶操作

    2024年02月09日
    浏览(67)
  • 【Python数据分析】数据分析之numpy基础

    实验环境:建立在Python3的基础之上 numpy提供了一种数据类型,提供了数据分析的运算基础,安装方式 导入numpy到python项目 本文以案例的方式展示numpy的基本语法,没有介绍语法的细枝末节,笔者认为通过查阅案例就能掌握基本用法。 numpy数组的基本概念 numpy默认所有元素具有

    2024年02月10日
    浏览(47)
  • 【数据分析之道-Numpy(八)】numpy统计函数

    ✍ 作者简介: i阿极 ,CSDN Python领域新星创作者, 专注于分享python领域知识。 ✍ 本文录入于《数据分析之道》 ,本专栏针对大学生、初级数据分析工程师精心打造,对python基础知识点逐一击破,不断学习,提升自我。 ✍ 订阅后,可以阅读《数据分析之道》中全部文章内容

    2024年02月06日
    浏览(43)
  • 【数据分析之道-NumPy(四)】numpy广播机制

    ✍ 作者简介: i阿极 ,CSDN Python领域新星创作者, 专注于分享python领域知识。 ✍ 本文录入于《数据分析之道》 ,本专栏针对大学生、初级数据分析工程师精心打造,对python基础知识点逐一击破,不断学习,提升自我。 ✍ 订阅后,可以阅读《数据分析之道》中全部文章内容

    2023年04月19日
    浏览(50)
  • 【数据分析】numpy (二)

    numpy作为数据分析,深度学习常用的库,本篇博客我们来介绍numpy的一些进阶用法: 一,numpy的常用简单内置函数: 1.1求和: 1.2求平均值: 1.3求最小值: 1.4求最大值: 以下就不再一一列举,我转成表格大家可以去Python手动尝试一下。 np.std() 标准差 np.var() 方差 np.median() 中位

    2024年02月14日
    浏览(41)
  • [数据分析大全]基于Python的数据分析大全——Numpy基础

    NumPy 的全称为 Numeric Python,它是 Python 的第三方扩展包,主要用来计算、处理一维或多维数组。   步入8月了,7月时因为项目所需,自学了 深度学习 相关的内容,现在 已经把项目所需要的神经网络框架搭建起来了,输入输出也都归一化了,模拟误差也加上了,图像的参数

    2024年02月14日
    浏览(65)
  • 【数据分析入门】Numpy进阶

    pandas 是一个功能强大的 Python 数据分析库 ,为 数据处理和分析 提供了高效且灵活的工具。它是在 NumPy 的基础上构建的,为 处理结构化数据(如表格数据) 和 时间序列数据 提供了 丰富的数据结构和数据操作方法 。 pandas 提供了两种主要的数据结构: Series 和 DataFrame 。 S

    2024年02月12日
    浏览(49)
  • 【数据分析入门】Numpy基础

    NumPy 的全称为 Numeric Python,它是 Python 的第三方扩展包,主要用来计算、处理一维或多维数组。   步入8月了,7月时因为项目所需,自学了 深度学习 相关的内容,现在 已经把项目所需要的神经网络框架搭建起来了,输入输出也都归一化了,模拟误差也加上了,图像的参数

    2024年02月13日
    浏览(78)
  • 数据分析--Numpy初级(一)

    Numpy是数据分析的基础库,它支持大量的维度计算与矩阵运算。同时他也是一个运行速度非常快的数学库,主要用于数组计算,具有线性代数、傅里叶变换、随机数生成等功能。 Numpy最重要的一个特点就是其N维数组对象ndarray他是一系列同类型数据的集合,创建一个ndarray对象

    2024年02月08日
    浏览(46)
  • 【数据分析之道-NumPy(三)】numpy切片与索引

    ✍ 作者简介: i阿极 ,CSDN Python领域新星创作者, 专注于分享python领域知识。 ✍ 本文录入于《数据分析之道》 ,本专栏针对大学生、初级数据分析工程师精心打造,对python基础知识点逐一击破,不断学习,提升自我。 ✍ 订阅后,可以阅读《数据分析之道》中全部文章内容

    2023年04月09日
    浏览(48)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包