numpy学习

原创于 2025-06-05 22:44:52 发布 · 1.4k 阅读

34 ·

CC 4.0 BY-SA版权

文章标签：

#numpy #学习

1-np.arange（开始，结束，步长）

即numpy的range ，生成一个array对象

2-np.linespace（开始，结束，生成个数）

生成一个array对象

3-map（指定函数，可迭代对象a）函数

将指定函数应用到可迭代对象 a 的每个元素上，生成一个迭代器对象。如果是*map的话，返回的迭代器对象将呈现为一个列表，即*map（指定函数，可迭代对象a）===list（map（指定函数，可迭代对象a））。

例如：a=np.arange（1，10，2）

*map(lambda x : x+1, a)]

输出为[2, 4, 6, 8, 10]

4-np.array

即创建数组，也可以指定数组类型，比如np.array（[1,5,4,63,44],dtype = float），定义数据类型为浮点型。也可以创建二维数组，例如

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

5-np.zeros()

创建一个一维数组，元素全为0，np.zeros（（3，2））创建一个三行两列元素全为0的数组。

6- np.ones((3,2))

创建一个三行两列元素全为1 的数组。

7-np.empty()

表示创建一个未初始化的数组，

shape：数组的维度，可以是整数或元组（如 (2, 3)）。
dtype：数据类型，默认为 float。
order：内存布局顺序，'C'（行优先）或 'F'（列优先）。

8-`np.eye()`

用于生成一个单位矩阵（对角线元素为1，其余为0的矩阵）。

identity_matrix_int = np.eye(3, dtype=int)
print(identity_matrix_int)

[[1 0 0]
 [0 1 0]
 [0 0 1]]

可以生成非方阵的单位矩阵，指定行数和列数：

rectangular_matrix = np.eye(3, 4)
print(rectangular_matrix)

[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]]

通过 k 参数可以偏移对角线的位置：

offset_matrix = np.eye(3, k=1)  # 对角线向上偏移1
print(offset_matrix)

[[0. 1. 0.]
 [0. 0. 1.]
 [0. 0. 0.]]

如图所示，k=1时向右上方偏移，k=-1时也可以向左下偏移。

9-`np.ndarray`

是 NumPy 中的核心数据结构，用于存储多维同类型数据（通常为数值型）。

import numpy as np  
arr = np.array([1, 2, 3])  # 一维数组  
arr_2d = np.array([[1, 2], [3, 4]])  # 二维数组

reshape用于重塑数组形状

arr = np.arange(6).reshape((2, 3))  # 将1维数组转为2行3列

a = np.arange(1,12,2)

a.shape = 2,3，则a变为两行三列。

10-索引和切片

arr = np.array([[1, 2, 3], [4, 5, 6]])  
print(arr[0, 1])  # 输出 2（第0行第1列）  
print(arr[:, 1:3])  # 输出所有行的第1到2列

a = np.arange(1,10,2)

a[:2] 与a[0:2] 都输出array([1, 3])

len（a）即a的行数或长度。

11-n维数组支持加减乘除等运算

a = np.array([1, 3, 5, 7, 9, 11])

a + 1

b = np.array([ 0, 2, 4, 6, 8, 10])
a + b

a * b

a ** b

11-负索引

a = np.arange(1,10,2)

a[-2:] 则输出array([7, 9])，即从倒数第二位到末尾。

12-三维数组

import numpy as np
c = np.array([[[  0,  1,  2],  # 第1个2D数组的第1行
               [ 10, 12, 13]], # 第1个2D数组的第2行
              [[100, 101, 102], # 第2个2D数组的第1行
               [110, 112, 113]]]) # 第2个2D数组的第2行

具体数据分布

第一层（索引0）：
- [0, 1, 2]
- [10, 12, 13]

第二层（索引1）：

[100, 101, 102]

[110, 112, 113]

print(c[0, 1, 2])  # 输出13（第1个2D数组的第2行第3列）
print(c.shape)     # 输出(2, 2, 3)

flat用法：在 NumPy 中，flat 是一个属性，用于将多维数组转换为一维的迭代器。它不会改变原始数组的结构，但允许以扁平化的方式访问元素。例如

for element in c.flat:
print(element)

将输出

0
1
2
10
12
13
100
101
102
110
112
113