a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]) # 一維陣列
b = np.array([[1, 2], [3, 4]]) #二維陣列
numpy.arange(start, stop, step, dtype)，start預設0，step預設1
c = np.arange(0, 10, 1, dtype=int) # =np.arange(10) [0 1 2 3 4 5 6 7 8 9]
d = np.array([np.arange(1, 3), np.arange(4, 6)]) www.cppcns.com# 二維陣列
# 不過為了避免麻煩，通常序列二維陣列都是通過reshape進行重新組織
dd = c.reshape(2, 5) # 將一維陣列重新組合成2行5列
numpy.random.random(size=none) 該方法返回[0.0, 1.0)範圍的隨機小數。
numpy.random.randint() 該方法返回[low, high)範圍的隨機整數。
該方法有三個引數low、high、size 三個引數。預設high是none,如果只有low，那範圍就是[0,low)。如果有high，範圍就是[low,high)
numpy.random.randn(d0,d1,…,dn) 該方法返回乙個或一組樣本，具有正態分佈
np.random.normal 指定期望和方差的正太分布
e = np.random.random(size=2) # 一維陣列，元素兩個，[0.0,1.0]的隨機數
f = np.random.random(size=(2, 3)) # 兩行三列陣列，[0.0,1.0]的隨機數
h = np.random.randint(10, size=3) # [0,10]範圍內的一行三列隨機整數
i = np.random.randint(5, 10, size=(2, 3)) # [5,10]範圍內的2行3列隨機整數
numpy.zeros 建立指定大小的陣列，陣列元素以0 來填充
numpy.ones 建立指定形狀的陣列，陣列元素以1 來填充
numpy.empty 建立乙個指定形狀（shape）、資料型別（dtype）且未初始化的陣列，裡面的元素的值是之前記憶體的值
np.linspace 建立乙個一維陣列，陣列是乙個等差數列構成的
numpy.logspace 建立乙個於等比數
j = np.zeros((2, 5))
k = np.ones((2, 5))
l = np.linspace(1, 20, 10)
ndarray.ndim
darray.shape 陣列的維度和列，對於矩陣，n 行m 列
ndarray.size 陣列元素的總個數，相當於.shape 中n*m 的值
ndarray.dtype ndarrawww.cppcns.comy 物件的元素型別
ndarray.itemsize ndarray 物件中每個元素的大小，以位元組為單位
ndarray.flags ndarray 物件的記憶體資訊
ndarray.real ndarray 元素的實部
ndarray.imag ndarray 元素的虛部
ndarray.data 包含實際陣列元素的緩衝區，由於一般通過陣列的索引獲取元素，所以通常不需要使用這個屬性。
print(www.cppcns.com'ndim:陣列的秩（維度）'.center(20, '*'))
print('ndim:', i.shape[1])
x = np.arange(1, 13) # 一維陣列
a = x.reshape(4, 3) # 二維陣列
print(『x:', x)
print(『a:', a)
print(x[2:])
print(x[3:8])
print(a[0]) # 第一行
print(a[2, 2]) # 第三行第4列
print(a[:, 2])
print(a[::2, 0]) # 所有奇數行第1列資料
print(a[(2, 1), (1, 2)]) # 第3行第2列，第2行第3列 = np.array((a[2,1],a[1,2]))取出來後在重新生成新的陣列
print(a[-2]) # 獲取倒數第二行
print(a[::-1]) # 行倒序
print(a[::-1, ::-1]) # 行列倒序
reshape將一維陣列變成二維或者三維
r**el將三維陣列變成一維陣列，flatten將二維陣列變成一維陣列
使用numpy.hstack(a1,a2) 函式將兩個陣列水平組合
numpy.vstack(a1,a2) 函式可以將兩個或多個陣列垂直組合起來形成乙個陣列
使用numpy.concatenate((a1, a2, …), axis),控制axis引數的值也可以實現hstack和vstack的功能，axis=0等同於vstack、axis=1等同於hstack
b = np.split(x, 4) # 將乙個一維陣列四等分, 用b[1]的方式獲取每個塊的資料
# print(b[1])程式設計客棧
c = np.split(a, 2, axis=0) # 二維陣列的垂直分隔，按行分隔成兩部分
# print(c[0])
d = np.split(a, [2], axis=1) # 二維陣列的水平分隔，按列分隔成兩部分
# print(d[0])
加減乘除: add()，subtract()，multiply() 和divide()
np.sum() 求和
np.prod() 所有元素相乘
np.mean() 平均值
np.std() 標準差
np.var() 方差
np.median() 中數
np.power() 冪運算
np.sqrt() 開方
np.min() 最小值
np.max() 最大值
np.argmin() 最小值的下標
np.argmax() 最大值的下標
np.inf 無窮大
np.exp(10) 以e 為底的指數
np.log(10) 對數
Python學習之Numpy基礎（一）
一 先安裝所需要的python庫numpy import numpy 二 讀乙個檔案 numpy.genfromtxt 絕對路徑或相對路徑 delimer 分隔符 dtype 以 str float 方式讀取資料 通常先以str方式讀入資料，再轉為其他型別的資料 world alcohol nump...
Python的Numpy入門基礎1
numpy作為python的常用庫，主要實現陣列的計算和分析，其優點是直接進行陣列計算，相比python的巢狀列表，更加高效。在功能上，與pandas存在一定的相似性。引用庫的方法 import numpy as np 一般縮寫為np，方便後續的引用在資料分析過程中，存在建立定義 索引 切片 矩陣轉...
Python中Numpy的基礎用法
python中numpy的基礎用法 numpy是科學計算中非常常用的乙個庫，numpy中經常用到陣列這種型別,python中並沒有陣列的概念，而陣列這個概念在其它語言中卻很常見，如c語言。陣列跟列表的主要區別在於，列表中資料的型別可以不同，而陣列中必須由同一型別的資料組成。那麼python已有列表型...