numpy和list的区别；定义多维数组，取数组元素；numpy数值类型；数组切片；数组反转...

最新推荐文章于 2024-04-15 22:39:54 发布

转载最新推荐文章于 2024-04-15 22:39:54 发布 · 98 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/a-zhuanger/p/9771246.html

文章标签：

#python

本文详细介绍了使用Python的NumPy库进行数组创建、操作及数据类型管理的方法。从一维到多维数组的构建，展示了如何通过数组切片、反转等操作高效处理数据。同时，深入探讨了数组的数据类型及其属性。

>>> import numpy as np
>>> a = list(range(10,15))
>>> a
[10, 11, 12, 13, 14]
>>> b = np.arange(5)
>>> b
array([0, 1, 2, 3, 4])
>>> b.shape
(5,)
>>> b.dtype
dtype('int32')
>>> #定义多维数组，取数组元素
>>> c = np.array([a,b])
>>> c
array([[10, 11, 12, 13, 14],
       [ 0,  1,  2,  3,  4]])
>>> c.size
10
>>> e = np.array([c,c*2])
>>> e
array([[[10, 11, 12, 13, 14],
        [ 0,  1,  2,  3,  4]],

       [[20, 22, 24, 26, 28],
        [ 0,  2,  4,  6,  8]]])
>>> d = [a,b]
>>> d
[[10, 11, 12, 13, 14], array([0, 1, 2, 3, 4])]
>>> #numpy数值类型
>>> type(d)
<class 'list'>
>>> type(d[1])
<class 'numpy.ndarray'>
>>> type(e)
<class 'numpy.ndarray'>
>>> e.dtype #查看e中的元素类型
dtype('int32')
>>> e[1].dtype
dtype('int32')
>>> e.shape
(2, 2, 5)
>>> e[1]
array([[20, 22, 24, 26, 28],
       [ 0,  2,  4,  6,  8]])
>>> e[1,0]
array([20, 22, 24, 26, 28])
>>> e[1,0,3]
26
>>> b = np.arange(5,dtype=np.int64)
>>> b
array([0, 1, 2, 3, 4], dtype=int64)
>>> #数据类型对象
>>> e.dtype.type
<class 'numpy.int32'>
>>> #所占字节数
>>> e.dtype.itemsize
4
>>> #字符码
>>> e.dtype.char
'l'
>>> #数组切片
>>> b[2:5]
array([2, 3, 4], dtype=int64)
>>> e[0,0,2:5]
array([12, 13, 14])
>>> e[0,0,0:5:2]
array([10, 12, 14])

>>> #数组反转
>>> e[::-1]
array([[[20, 22, 24, 26, 28],
        [ 0,  2,  4,  6,  8]],

       [[10, 11, 12, 13, 14],
        [ 0,  1,  2,  3,  4]]])

转载于:https://www.cnblogs.com/a-zhuanger/p/9771246.html