numpy的简单使用和变形等操作
程序员文章站
2022-03-10 17:55:14
代码示例:import numpy as np#一维数组简单使用my_list1 = [5,6,7,8]my_np1 = np.array(my_list1)print(type(my_np1)) #打印:print(my_np1) #打印:[5 6 7 8]print(my_np1.shape) #打印(4,),代表数组形状(行,列),本例代表4行1列my_np2 = np.arange(1,10,2)p...
代码示例:
import numpy as np
#一维数组简单使用
my_list1 = [5,6,7,8]
my_np1 = np.array(my_list1)
print(type(my_np1)) #打印:<class 'numpy.ndarray'>
print(my_np1) #打印:[5 6 7 8]
print(my_np1.shape) #打印(4,),代表数组形状(行,列),本例代表4行1列
my_np2 = np.arange(1,10,2)
print(type(my_np2)) #打印<class 'numpy.ndarray'>
print(my_np2) #打印[1 3 5 7 9]
#二维数组简单使用
my_list2 = [
[1,4,7],
[2,5,8],
[3,6,9]
]
my_np3 = np.array(my_list2)
print(type(my_np3)) #打印<class 'numpy.ndarray'>
print(my_np3)
'''
打印:
[[1 4 7]
[2 5 8]
[3 6 9]]
'''
print(my_np3.shape) #打印(3, 3)
print(my_np3.ndim) #获取数组的维度,打印2
print(my_np3.size) #获取元素的个数,打印9
my_np4 = np.array([[1,2,3,4],[5,6,7,8]])
print(my_np4)
'''
打印:
[[1 2 3 4]
[5 6 7 8]]
'''
my_np4.shape = (4,2)
print(my_np4)
'''
打印:
[[1 2]
[3 4]
[5 6]
[7 8]]
'''
my_np5 = np.array([[1,2,3,4],[5,6,7,8]])
my_np5_new = my_np5.reshape(4,2)
print(my_np5)
'''
打印:
[[1 2 3 4]
[5 6 7 8]]
'''
print(my_np5_new)
'''
打印:
[[1 2]
[3 4]
[5 6]
[7 8]]
'''
#shape和reshape的区别在于shape更改数组本身,reshape创建一个新的数组
my_np6 = np.array([[1,2,3,4],[5,6,7,8]])
my_np6_new = my_np6.reshape((8,),order='F')
# 默认为‘C’以行为主的顺序展开,‘F’(Fortran风格)以列的顺序展开
print(my_np6_new) #打印[1 5 2 6 3 7 4 8]
my_np6_new2 = my_np6.flatten(order='C') #同reshape((8,),order='C')
print(my_np6_new2)
#运算
my_np7 = np.array([[1,2,3,4],[5,6,7,8]])
print(my_np7*2)
'''
打印:
[[ 2 4 6 8]
[10 12 14 16]]
'''
#转换为列表
my_np8 = np.array([[1,2,3,4],[5,6,7,8]])
my_list8 = my_np8.tolist()
print(type(my_list8)) #打印<class 'list'>
print(my_list8) #打印[[1, 2, 3, 4], [5, 6, 7, 8]]
本文地址:https://blog.csdn.net/caoxinjian423/article/details/111990761