numpy函式的使用

import

numpy as np
np.array([1,2,3])

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

注意：

import

matplotlib.pylab as plt
#讀取二進位制資料
img_arr = plt.imread('
img_dir')
#將展示
plt.imshow(img_arr) 
#將所有資料減少
plt.imshow(img_arr - 100)
#操作該numpy資料，該操作會同步到中

np.linspace(0,100,num=20)

out: array([  0.        ,   5.26315789,  10.52631579,  15.78947368,
21.05263158,  26.31578947,  31.57894737,  36.84210526,
42.10526316,  47.36842105,  52.63157895,  57.89473684,
63.15789474,  68.42105263,  73.68421053,  78.94736842,
84.21052632,  89.47368421,  94.73684211, 100.        ])

np.arange(0,100,2)

out: array([ 0,  2,  4,  6,  8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32,
34, 36, 38, 40, 42, 44, 46, 48, 50, 52, 54, 56, 58, 60, 62, 64, 66,
68, 70, 72, 74, 76, 78, 80, 82, 84, 86, 88, 90, 92, 94, 96, 98])

#

固定隨機性
#隨機因子：系統的時間
np.random.seed(100)
arr = np.random.randint(0,100,size=(4,5))

np.random.random(size=(4,5))

out: array([[0.56229626, 0.00581719, 0.30742321, 0.95018431, 0.12665424],
[0.07898787, 0.31135313, 0.63238359, 0.69935892, 0.64196495],
[0.92002378, 0.29887635, 0.56874553, 0.17862432, 0.5325737],
[0.64669147, 0.14206538, 0.58138896, 0.47918994, 0.38641911]])

arr.shape

arr.size
img_arr.size
arr.dtype

print

(arr)
out: array([[ 8, 24, 67, 87, 79],
[48, 10, 94, 52, 98],
[53, 66, 98, 14, 34],
[24, 15, 60, 58, 16]])
print(arr[1])
out:　array([48, 10, 94, 52, 98])

#

獲取二維陣列前兩行
arr[0:2]
#獲取二維陣列前兩列
arr[:,0:2]  #
arr[hang,lie]
#獲取二維陣列前兩行和前兩列資料
arr[0:2,0:2]
#將陣列的行倒序
arr[::-1]
#列倒序
arr[:,::-1]
#全部倒序
arr[::-1,::-1]

將一維陣列變形成多維陣列

import

numpy as np
arr_1 = np.random.randint(0, 100, size=(20,))
arr_1.reshape((2, 10))
#把其中一維的資料設為-1，會自動計算
arr_1.reshape((5, -1))

2.  將多維陣列變形成一維陣列

arr_1 = arr.reshape(20,)

一維，二維，多維陣列的級聯，實際操作中級聯多為二維陣列

#

按照行來進行級聯
np.concatenate((arr,arr,arr),axis=1)
#按照列來進行級聯
np.concatenate((arr,arr,arr),axis=0)

級聯需要注意的點：

arr.sum(axis=1)

arr.max()

arr.min()

其他聚合操作

function name    nan-safe version    description
np.sum    np.nansum    compute sum of elements
np.prod    np.nanprod    compute product of elements
np.mean    np.nanmean    compute mean of elements
np.std    np.nanstd    compute standard deviation
np.var    np.nanvar    compute variance
np.min    np.nanmin    find minimum value
np.max    np.nanmax    find maximum value
np.argmin    np.nanargmin    find index of minimum value
np.argmax    np.nanargmax    find index of maximum value
np.median    np.nanmedian    compute median of elements
np.percentile    np.nanpercentile    compute rank-based statistics of elements
np.any    n/a    evaluate whether any elements are true
np.all    n/a    evaluate whether all elements are true
np.power 冪運算

np.sort()與ndarray.sort()都可以，但有區別：

np.sort(arr,axis=0)

numpy 相關函式使用

首先強調一下，where 函式對於不同的輸入，返回的值是不同的。1 當陣列是一維陣列時，返回的值是一維的索引，所以只有一組索引陣列 2 當陣列是二維陣列時，滿足條件的陣列值返回的是值的位置索引，因此會有兩組索引陣列來表示值的位置，下面舉例說明 import numpy as np a np.resh...

numpy 中 newaxis函式的使用

newaxis表示增加乙個新的座標軸，不好理解，看例子就明白了 import numpy as np a np.array 1,2,3 print a.shape,n a 結果為 3,1 2 3 看下面的 a np.array 1,2,3 np.newaxis print a.shape,n a 3...

Numpy 中clip函式的使用

numpy.clip a,a min,a max,out none source 其中a是乙個陣列，後面兩個引數分別表示最小和最大值，怎麼用呢，老規矩，我們看 import numpy as np x np.array 1,2,3,5,6,7,8,9 np.clip x,3,8 out 88 arr...