发布时间: 2023-7-14 文章作者: myluzh 分类名称: Python 朗读文章
import numpy as np # (2)二维数组 # 首先生成一个二维数组 arr2 = np.random.uniform(-1, 2, size=(5, 5)) """ # 查看下arr2 arr2 Out[3]: array([[ 1.05865188, 1.18597622, -0.81279676, 1.79444952, 0.71910054], [-0.62385763, -0.61713265, 0.94918552, -0.24394799, 1.81343914], [-0.71354709, -0.93964984, 0.96237785, 1.23973639, 0.11628672], [ 0.02623292, 1.68481857, -0.79207649, 0.79625302, -0.32104851], [ 0.75240426, 0.15582726, -0.87529045, -0.28858853, 0.01173709]]) # 只要第一行里面的0-3个数据 arr2[0,0:3] Out[4]: array([ 1.05865188, 1.18597622, -0.81279676]) """
# (2)三维数组 # 首先生成一个2,2,3的三维数组 arr3 = np.random.randint(1, 4, size=(2, 2, 3)) """ # 查看下arr3 arr3 Out[3]: array([[[2, 1, 2], [1, 1, 2]], [[1, 3, 2], [2, 2, 1]]]) # 获取 1 0 0 里面的数 arr3[1,0,0] Out[4]: 1 """
import numpy as np # ndarray.reshape(shape, order) # 返回一个具有相同数据域,但shape不一样的视图 行、列不进行互换。在转换形状的时候,一定要注意数组的元素匹配 arr1 = np.random.randint(1, 100, size=(4, 5)) """ # 原先4行5列改成5行4列 arr1.reshape([5, 4]) Out[3]: array([[86, 17, 65, 22], [94, 71, 83, 62], [27, 32, 44, 34], [21, 25, 41, 95], [14, 73, 30, 44]]) # 数组的形状被修改为: (2,10),下面的-1:表示通过待计算,一定要可以整除后面的10要不然会报错 #arr.reshape([-1, 10]) Out[4]: array([[86, 17, 65, 22, 94, 71, 83, 62, 27, 32], [44, 34, 21, 25, 41, 95, 14, 73, 30, 44]]) """ # ndarray.resize(new_shape) # 修改数组本身的形状(需要保持元素个数前后相同)行、列不进行互换 arr2 = np.random.randint(1, 100, size=(4, 5)) """ arr2 Out[3]: array([[31, 98, 18, 91, 16], [57, 58, 44, 62, 1], [ 3, 64, 90, 56, 25], [10, 94, 42, 73, 32]]) arr2.resize([5,4]) arr2.shape Out[5]: (5, 4) """ # ndarray.T 数组的转置将数组的行、列进行互换 arr3 = np.random.randint(1, 100, size=(4, 5)) """ arr3.T.shape Out[5]: (5, 4) """
import numpy as np # 使用astype方法修改为int64 arr1 = np.random.uniform(-1, 2, size=(3)) """ # 查看下arr1 arr1 Out[3]: array([-0.59856987, -0.70929721, 1.60210413]) arr1.astype(np.int64) Out[4]: array([0, 0, 1]) """ # 使用tostring方法修改为str arr2 = np.array([1, 2, 3]) """ arr2.tostring() Out[3]: b'\x01\x00\x00\x00\x00\x00\x00\x00\x02\x00\x00\x00\x00\x00\x00\x00\x03\x00\x00\x00\x00\x00\x00\x00' """
# 使用np.unique()去重 arr1 = np.array([[3, 4, 3, 4], [1, 2, 3, 4]]) """ np.unique(arr1) # 去重后的数组 Out[3]: array([1, 2, 3, 4]) """0x05
发表评论