numpy中的ndarray方法和属性详解

作者:bonelee 时间:2021-04-17 10:19:04 

NumPy数组的维数称为秩(rank),一维数组的秩为1,二维数组的秩为2,以此类推。在NumPy中,每一个线性的数组称为是一个轴(axes),秩其实是描述轴的数量。比如说,二维数组相当于是一个一维数组,而这个一维数组中每个元素又是一个一维数组。所以这个一维数组就是NumPy中的轴(axes),而轴的数量——秩,就是数组的维数。

Numpy库中的矩阵模块为ndarray对象,有很多属性:T,data, dtype,flags,flat,imag,real,size,

itemsize,nbytes,ndim,shape,strides,ctypes,base等等。


>>> import numpy as np
>>> x=np.array([[1,2,3],[9,8,7],[6,5,4]])
>>> x.T  #获得x的转置矩阵
array([[1, 9, 6],
[2, 8, 5],
[3, 7, 4]])
>>> print x.flags #返回数组内部的信息
C_CONTIGUOUS : True
F_CONTIGUOUS : False
OWNDATA : True
WRITEABLE : True
ALIGNED : True
UPDATEIFCOPY : False
>>> x.flat[2:6]  #将数组变为1维数组,并获取其中的一部分数据
array([3, 9, 8, 7])
>>> x.flat = 4; x  #将值赋给1维数组,再转化成有原有数组的大小形式
array([[4, 4, 4],
[4, 4, 4],
[4, 4, 4]])
>>> x
array([[4, 4, 4],
[4, 4, 4],
[4, 4, 4]])

ndarray.imag # 为复变函数中含有虚部的数组,如下:


>>> x = np.sqrt([2+3j, 5+0j])  # 创建一个复数
>>> x
array([ 1.67414923+0.89597748j, 2.23606798+0.j    ])
>>> x.imag #获得复数的虚部
array([ 0.89597748, 0.    ])
>>> x.real  #获得复数的实部
array([ 1.67414923, 2.23606798])
>>> x=np.arange(10) #随机生成一个数组,并重新命名一个空间的数组
>>> x.reshape(2,5)
array([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])
>>> x.size  #获得数组中元素的个数
10
>>> x.ndim #获得数组的维数
>>> x.shape #获得数组的(行数,列数)
(10,)
>>> y=x.reshape(5,2)
>>> y
array([[0, 1],
[2, 3],
[4, 5],
[6, 7],
[8, 9]])
>>> y.base  #获得该数组基于另外一个对象数组而来,如下,y是根据x而来
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

Ndarray对象的方法

ndarray.ptp(axis=None, out=None) : 返回数组的最大值—最小值或者某轴的最大值—最小值

ndarray.clip(a_min, a_max, out=None) : 小于最小值的元素赋值为最小值,大于最大值的元素变为最大值。

ndarray.all():如果所有元素都为真,那么返回真;否则返回假

ndarray.any():只要有一个元素为真则返回真

ndarray.swapaxes(axis1, axis2) : 交换两个轴的元素,如下


>>> z.swapaxes(0,1)
array([[2, 4, 6, 8],
[3, 5, 7, 9]])

下面为改变数组维度和大小的方法:

ndarray.reshape(shape[, order]) :返回重命名数组大小后的数组,不改变元素个数.

ndarray.resize(new_shape[, refcheck]) :改变数组的大小(可以改变数组中元素个数).

ndarray.transpose(*axes) :返回矩阵的转置矩阵

ndarray.swapaxes(axis1, axis2) : 交换两个轴的元素后的矩阵.

ndarray.flatten([order]) : 复制一个一维的array出来.

ndarray.ravel([order]) :返回为展平后的一维数组.

ndarray.squeeze([axis]) :移除长度为1的轴。

ndarray.tolist():将数组转化为列表

ndarray.take(indices, axis=None, out=None, mode='raise'):获得数组的指定索引的数据,如:


>>> a=np.arange(12).reshape(3,4)
>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> a.take([1,3],axis=1) #提取1,3列的数据
array([[ 1, 3],
[ 5, 7],
[ 9, 11]])

numpy.put(a, ind, v, mode='raise'):用v的值替换数组a中的ind(索引)的值。Mode可以为raise/wrap/clip。Clip:如果给定的ind超过了数组的大小,那么替换最后一个元素。


numpy.repeat(a, repeats, axis=None):重复数组的元素,如:
>>> x = np.array([[1,2],[3,4]])
>>> np.repeat(x, 2)
array([1, 1, 2, 2, 3, 3, 4, 4])
>>> np.repeat(x, 3, axis=1)
array([[1, 1, 1, 2, 2, 2],
[3, 3, 3, 4, 4, 4]])
>>> np.repeat(x, [1, 2], axis=0)
array([[1, 2],
[3, 4],
[3, 4]])

numpy.tile(A, reps):根据给定的reps重复数组A,和repeat不同,repeat是重复元素,该方法是重复数组。

ndarray.var(axis=None, dtype=None, out=None, ddof=0):返回数组的方差,沿指定的轴。

ndarray.std(axis=None, dtype=None, out=None, ddof=0):沿给定的轴返回数则的标准差

ndarray.prod(axis=None, dtype=None, out=None):返回指定轴的所有元素乘机

ndarray.cumprod(axis=None, dtype=None, out=None):返回指定轴的累积,如下:


>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> a.cumprod(axis=1) #得到竖轴的累积
array([[  0,  0,  0,  0],
[  4,  20, 120, 840],
[  8,  72, 720, 7920]])

ndarray.mean(axis=None, dtype=None, out=None):返回指定轴的数组元素均值

ndarray.cumsum(axis=None, dtype=None, out=None):返回指定轴的元素累计和。如:


>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> a.cumsum(axis=1)
array([[ 0, 1, 3, 6],
[ 4, 9, 15, 22],
[ 8, 17, 27, 38]])

ndarray.sum(axis=None, dtype=None, out=None):返回指定轴所有元素的和

ndarray.trace(offset=0, axis1=0, axis2=1, dtype=None, out=None):返回沿对角线的数组元素之和

ndarray.round(decimals=0, out=None):将数组中的元素按指定的精度进行四舍五入,如下:


>>> np.around([0.37, 1.64])
array([ 0., 2.])
>>> np.around([0.37, 1.64], decimals=1)
array([ 0.4, 1.6])
>>> np.around([.5, 1.5, 2.5, 3.5, 4.5]) # rounds to nearest even value
array([ 0., 2., 2., 4., 4.])
>>> np.around([1,2,3,11], decimals=1) # ndarray of ints is returned
array([ 1, 2, 3, 11])
>>> np.around([1,2,3,11], decimals=-1)
array([ 0, 0, 0, 10])

ndarray.conj():返回所有复数元素的共轭复数,如:


>>> b=np.array([[1+2j,3+0j],[3+4j,7+5j]])
>>> b
array([[ 1.+2.j, 3.+0.j],
[ 3.+4.j, 7.+5.j]])
>>> b.conj()
array([[ 1.-2.j, 3.-0.j],
[ 3.-4.j, 7.-5.j]])

ndarray.argmin(axis=None, out=None):返回指定轴最小元素的索引。

ndarray.min(axis=None, out=None):返回指定轴的最小值

ndarray.argmax(axis=None, out=None):返回指定轴的最大元素索引值

ndarray.diagonal(offset=0, axis1=0, axis2=1):返回对角线的所有元素。

ndarray.compress(condition, axis=None, out=None):返回指定轴上条件下的切片。

ndarray.nonzero():返回非零元素的索引

来源:https://www.cnblogs.com/bonelee/p/7253966.html

标签:numpy,ndarray
0
投稿

猜你喜欢

  • MySQL中触发器的基础学习教程

    2024-01-15 21:21:11
  • Python使用sort和class实现的多级排序功能示例

    2021-01-30 23:54:46
  • python email smtplib模块发送邮件代码实例

    2022-05-15 16:37:03
  • 对Python 两大环境管理神器 pyenv 和 virtualenv详解

    2022-05-02 11:27:40
  • 自动定时重启sql server回收内存

    2008-11-26 17:41:00
  • Vue中的 DOM与Diff详情

    2023-07-02 16:32:37
  • VBScript中的eval()函数

    2008-04-09 13:41:00
  • Python Django2 model 查询介绍(条件、范围、模糊查询)

    2023-11-02 15:32:09
  • python实现高精度求自然常数e过程详解

    2023-12-01 05:21:51
  • java连接数据库增、删、改、查工具类

    2024-01-21 22:01:48
  • javascript 移动鼠标得到单元格所在table表中的rowIndex位置[兼容ie,firefox] <font color=red>原创</font>

    2024-04-18 09:50:31
  • Python 读取xml数据,cv2裁剪图片实例

    2021-07-18 00:08:08
  • python如何制作英文字典

    2021-12-01 10:30:00
  • ASP实例:幻灯片新闻代码

    2008-11-21 17:40:00
  • 简单的两种Extjs formpanel加载数据的方式

    2023-07-02 05:19:24
  • 模糊查询的通用存储过程

    2024-01-23 06:49:12
  • Python Pygame实战之五款童年经典游戏合集

    2023-04-15 14:45:14
  • Python基于正则表达式实现计算器功能

    2021-08-17 13:00:02
  • 利用python GDAL库读写geotiff格式的遥感影像方法

    2023-08-31 13:15:06
  • python编写接口测试文档(以豆瓣搜索为例)

    2023-09-21 17:39:49
  • asp之家 网络编程 m.aspxhome.com