Numpy基础操作

最新推荐文章于 2025-01-14 20:28:56 发布

XQLR

最新推荐文章于 2025-01-14 20:28:56 发布

阅读量300

点赞数

分类专栏：基本操作文章标签： python numpy

本文链接：https://blog.youkuaiyun.com/sgsdsdd/article/details/108897107

版权

这篇博客详细介绍了Numpy的基础操作，包括使用列表和元组构建数组，数组的重塑与合并，如reshape、ravel、flatten、split等，数组的转置和变换，以及切片和索引的使用。同时，还涵盖了随机数生成，cumsum函数，unique函数，in1d函数等其他关键操作。此外，还讨论了Numpy在图像处理中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Numpy基础操作

一、构建数组

注：numpy可用列表和元组构建数组

1.列表构建数组

import numpy as np
data1 = [5, 7, 9, 20]    #列表
arr1 = np.array(data1)
arr1

2.元组构建数组

data2 = (5, 7, 9, 20)     #元组
arr2 = np.array(data2)
arr2

3.构建多维数组

data3 = [[1, 2, 3, 4],[5, 6, 7, 8]]   #多维数组
arr3 = np.array(data3)
arr3

4.数组行列与元素类型

arr3.shape
#数组的形状（行和列）
arr3.dtype
#数组元素类型

5.全1数组与全0数组

np.zeros(8)
#生成8个元素全为1的数组
np.zeros((3,4))
#生成3行4列的全1数组
np.ones(4)
#生成全0数组
np.ones((4,6))
#生产4行6列的全0数组
np.empty((2, 2, 2))
#生成随机的2行2列的2维数据

6.arange生成数组

np.arange(10)
#生成从1到10（不包括10）的数组

7.改数组为全1

arr5 = np.ones_like(arr3)
#将arr3的数据全部改为1
arr5

8.astype()函数改DataFrame某列的数据类型

注：
int32 --> float64
float64 --> int32
string_ --> float64

arr3 = arr1.astype('string_')

最低0.47元/天解锁文章