numpy数据相关函数总结

本文总结了Numpy在数据存储、读取以及随机数生成和统计函数的使用方法。包括np.savetxt、np.arange().reshape().tofile、np.save和np.load等文件操作,以及np.random.rand、np.randn、np.randint等随机数函数。还介绍了np.sum、np.mean、np.std等统计函数的用法,帮助理解Numpy在数据分析中的核心功能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

存入文件

1、np.savetxt(frame,array,fmt='%.18e',delimiter = None)

frame : 文件,字符串或者产生器,可以使.gz或者.bz2的压缩文件

array:存入文件的数组

fmt:写入文件的格式,比如:%d,%.2f等

delimiter:分割字符串,默认是空格

np.savetxt只能有效存一维和二维数组


2、np.arange().reshape().tofile(frame,sep = ' ',format = "%s")

frame:文件,字符串

sep:数据分割字符串,如果为空串,写入文件为二进制,二进制文件占用内存较少

format:写入数据的格式

tofile函数将多维数据将为一维数据后,再写入文件中


3、np.save(fname,array)

fname :文件名,以.npy为扩展名,压缩扩展名为.npz

array:数组变量



读取文件

1、np.loadtxt(frame,dtype = np.float,delimiter = None,unpack = False)

frame : 文件,字符串或者产生器,可以使.gz或者.bz2的压缩文件

dtype:数据类型,可选

delimiter:分割字符串,默认是任何空格

unpack:如果为True,读入属性将分别写入不同变量

np.loadtxt只能有效读取一维和二维数组


2、np.fromfile(fram,dtype = float,count = -1,sep = ' ')

fram

### Numpy常用函数总结 #### 数组创建 `numpy.array()` 是最基础的用于创建数组的方法。它接受列表或其他序列类型的输入并将其转换为 ndarray 对象[^1]。 ```python import numpy as np arr = np.array([1, 2, 3]) print(arr) ``` 除了 `array()` 方法外,还有其他一些方法可用于快速生成特定结构的数组: - `np.zeros(shape)` 创建指定形状的零矩阵。 - `np.ones(shape)` 创建全一矩阵。 - `np.empty(shape)` 返回未初始化的数据。 - `np.arange(start, stop, step)` 类似于内置的 range 函数,但返回的是 ndarray。 - `np.linspace(start, stop, num=50)` 在指定范围内均匀分布一定数量的样本点。 #### 数据类型与属性 NumPy 支持多种数据类型 (dtype),可以通过 `.dtype` 属性查看当前数组的数据类型;通过 `.shape`, `.ndim`, 和 `.size` 获取数组维度、维数以及总元素数目等基本信息。 #### 数学运算 Numpy 提供了大量的数学功能,包括但不限于三角函数 (`sin`, `cos`)、指数对数(`exp`, `log`) 等基本算术操作可以直接作用在整个数组上而无需显式循环。 例如计算平方根: ```python sqrt_arr = np.sqrt(np.array([4, 9])) print(sqrt_arr) # 输出 [2. 3.] ``` 另外提到过可以用 `numpy.dot()` 或者 @ 运算符来进行向量间的点乘操作。 #### 统计分析 统计相关函数有最大最小值查找(`max`, `min`), 平均值(`mean`), 方差标准差(`std`, `var`)等等。 示例找出二维数组每列的最大值: ```python col_maxes = np.max([[1, 2], [3, 4]], axis=0) print(col_maxes) # 结果应该是 array([3, 4]) ``` #### 文件读写 保存加载文本或二进制文件也很方便,比如使用 `save/load` 处理 .npy/.npz 格式的压缩存档。 --- ### 关联概念补充说明 Python 的垃圾回收机制采用 **引用计数** 来跟踪内存中的对象状态,在某些场景下可能会因为隐含的对象共享而导致预期之外的行为发生,因此理解其工作原理有助于调试复杂应用环境下的资源泄漏等问题[^3]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值