本文实例讲述了Python3.5基础之NumPy模块的使用。分享给大家供大家参考，具体如下：1、简介
本文实例讲述了Python3.5基础之NumPy模块的使用。分享给大家供大家参考，具体如下：
1、简介
2、多维数组——ndarray
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
import numpy as np
#1.创建ndarray
#创建一维数组
n1 = np.array([1,2,3,4])
print(n1)
#属性--ndim:维度;dtype:元素类型;shape:数组形状;
# size:数组元素总个数，shape值相乘得到
print("n1维度:",n1.ndim)
print("n1元素类型:",n1.dtype)
print("n1数组形状:",n1.shape)
print("n1数组元素总个数:",n1.size)
#创建二维数组
n2 = np.array([
[1,2,3,4],
[5,6,7,8]
])
print(n2)
print("n2维度:",n2.ndim)
print("n2元素类型:",n2.dtype)
#创建三维数组
n3 = np.array([
[
[1,2,3,4],
[5,6,7,8]
],
[
[10,20,30,40],
[50,60,70,80]
]
])
print(n3)
print("n3数组形状:",n3.shape)
print("n3数组元素总个数:",n3.size)
#2.通过函数创建数组
z = np.zeros((3,2)) #创建指定形状的数组，数值由零填充
print(z)
print(z.dtype)
o = np.ones((2,4)) #创建指定形状的数组，数值由1填充
print(o)
e = np.empty((2,3,2)) #创建指定形状的数组，数值由未初始化的垃圾值填充
print(e)
#3.通过函数计算的方式去创建数组
#一个参数，区间左闭右开，默认起始值为0，步长为1
np1 = np.arange(10)
print(np1)
#两个参数（起始值，终止值），区间左闭右开，默认步长为1
np2 = np.arange(2,10)
print(np2)
#三个参数（起始值，终止值，步长），区间左闭右开，步长为2
np3 = np.arange(2,10,2)
print(np3)
#倒序创建数组元素
np4 = np.arange(10,2,-1)
print(np4)
#全闭区间，参数（起始值，终止值，元素个数）,等差数列
np5 = np.linspace(0,10,5)
print(np5)
#全闭区间，以10为底数参数为指数（起始值，终止值，元素个数），等比数列
np6 = np.logspace(0,2,5)
print(np6)
#生成随机数的数组
np7 = np.random.random((2,3))
print(np7)
运行结果：
[1 2 3 4] n1维度: 1 n1元素类型: int32 n1数组形状: (4,) n1数组元素总个数: 4 [[1 2 3 4] [5 6 7 8]] n2维度: 2 n2元素类型: int32 [[[ 1 2 3 4] [ 5 6 7 8]]
[[10 20 30 40] [50 60 70 80]]] n3数组形状: (2, 2, 4) n3数组元素总个数: 16 [[ 0. 0.] [ 0. 0.] [ 0. 0.]] float64 [[ 1. 1. 1. 1.] [ 1. 1. 1. 1.]] [[[ 1.02548961e-305 5.40165714e-067] [ 1.05952696e-153 9.69380992e+141] [ 2.17151199e+214 4.34975848e-114]]
[[ 2.08064175e-115 1.91431714e+227] [ 6.42897811e-109 1.26088822e+232] [ 9.51634286e-114 5.45764552e-306]]] [0 1 2 3 4 5 6 7 8 9] [2 3 4 5 6 7 8 9] [2 4 6 8] [10 9 8 7 6 5 4 3] [ 0. 2.5 5. 7.5 10. ] [ 1. 3.16227766 10. 31.6227766 100. ] [[ 0.55980469 0.99477652 0.82310732] [ 0.97239333 0.1409895 0.57213264]]
#修改ndarray形状
np8 = np.arange(0,20,2)
print(np8)
print(np8.size)
np9 = np8.reshape(2,5)
print(np9)
print(np9.size)
#reshape函数是对被修改数组的一个拷贝，共享同一内存，
# 修改其中一个数组会影响里一个
np9[1][2] = 50
print(np8)
print(np9)
# -1表示第二维自动根据元素个数计算
np10 = np8.reshape(5,-1)
print(np10)
#shape直接修改原来数组的形状
np8.shape=(2,-1)
print(np8)运行结果：
[ 0 2 4 6 8 10 12 14 16 18] 10 [[ 0 2 4 6 8] [10 12 14 16 18]] 10 [ 0 2 4 6 8 10 12 50 16 18] [[ 0 2 4 6 8] [10 12 50 16 18]] [[ 0 2] [ 4 6] [ 8 10] [12 50] [16 18]] [[ 0 2 4 6 8] [10 12 50 16 18]]
Numpy基本操作说明
