Was sind die Array-Datentypen von Numpy in Python? (Detaillierte Code-Erklärung)

Der Inhalt dieses Artikels besteht darin, Ihnen die Array-Datentypen von Numpy in Python vorzustellen. (Detaillierte Code-Erklärung). Es hat einen gewissen Referenzwert. Freunde in Not können sich darauf beziehen. Ich hoffe, es wird Ihnen hilfreich sein.

 import numpy as np

#创建
# 创建一维数组
a = np.array([1, 2, 3])
print(a)
'''
[1 2 3]
'''
# 创建多维数组
b = np.array([(1, 2, 3), (4, 5, 6)])
print(b)
'''
[[1 2 3]
 [4 5 6]]
'''
# 创建等差一维数组
c = np.arange(1, 5, 0.5)
print(c)
'''
[1.  1.5 2.  2.5 3.  3.5 4.  4.5]
'''
# 创建随机数数组
d = np.random.random((2, 2))
print(d)
'''
[[0.65746941 0.09766114]
 [0.15024283 0.9212932 ]]
 '''
# 创建一个确定起始点和终止点和个数的等差一维数组
##包含终止点
e = np.linspace(1, 2, 10)
print(e)
'''
[1.         1.11111111 1.22222222 1.33333333 1.44444444 1.55555556 1.66666667 1.77777778 1.88888889 2.        ]
 '''
##不包含终止点
f = np.linspace(1, 2, 10, endpoint=False)
print(f)
'''
[1.  1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9]
'''
#创建一个全为‘1’的 数组
g = np.ones([2,3])
print(g)
'''
[[1. 1. 1.]
 [1. 1. 1.]]
 '''
#创建一个全为‘0’的数组
h = np.zeros([2,3])
print(h)
'''
[[0. 0. 0.]
 [0. 0. 0.]]
 '''
#通过函数创建数组
k = np.fromfunction(lambda i,j :(i+1)*(j+1),(9,9))
print(k)
'''
[[ 1.  2.  3.  4.  5.  6.  7.  8.  9.]
 [ 2.  4.  6.  8. 10. 12. 14. 16. 18.]
 [ 3.  6.  9. 12. 15. 18. 21. 24. 27.]
 [ 4.  8. 12. 16. 20. 24. 28. 32. 36.]
 [ 5. 10. 15. 20. 25. 30. 35. 40. 45.]
 [ 6. 12. 18. 24. 30. 36. 42. 48. 54.]
 [ 7. 14. 21. 28. 35. 42. 49. 56. 63.]
 [ 8. 16. 24. 32. 40. 48. 56. 64. 72.]
 [ 9. 18. 27. 36. 45. 54. 63. 72. 81.]]
 '''
##############
#获取数组的相关属性
a = np.array([(1,2,3),(4,5,6)])
print(a)
##获取数组的形状
print(a.shape)
'''
(2, 3)
表示：该数组为2行3列
'''
## 改变数组的形状
b = a.reshape(3,2)
print(b)
'''
[[1 2]
 [3 4]
 [5 6]]
 将a数组的数据由2行3列变成3行2列得到b数组，但是a数组没有发生改变
 '''
a.resize(3,2)
print(a)
'''
[[1 2]
 [3 4]
 [5 6]]
 a数组由2行3列变成3行2列，此时，a数组的形状发生了改变
 '''
##############
#数组切片操作
a = np.array([(1,2,3),(4,5,6)])
print(a)
'''
[[1 2 3]
 [4 5 6]]
 '''
##获取数组的第二行
print(a[1])
'''
[4 5 6]
'''
##获取数组的前两行
print(a[0:2])
'''
[[1 2 3]
 [4 5 6]]
'''
##获取数组的前两列的值
print(a[:,[0,1]])
'''
[[1 2]
 [4 5]]
 '''
##获取数组的第1行的前两列的值
print(a[0,[0,1]])
'''
[1 2]
'''
##遍历数组
for row in a:
    print(row)
'''
[1 2 3]
[4 5 6]
'''
#######################
##数组拼接
a = np.array([1,2,3])
b = np.array([4,5,6])
#垂直方向的拼接
c = np.vstack((a,b))
print(c)
'''
[[1 2 3]
 [4 5 6]]
'''
#竖直方向的拼接
d = np.hstack((a,b))
print(d)
'''
[1 2 3 4 5 6]
'''
#####################
##数组的计算
a = np.array([1,2,3])
b = np.array([4,5,6])
#加法
c = a+b
print(c)
'''
[5 7 9]
'''
#减法
d= a - b
print(d)
'''
[-3 -3 -3]
'''
#乘法
e = a * b
print(e)
'''
[ 4 10 18]
'''
#求和
f = np.array([(1,2,3),(4,5,6)])
print(f.sum())
'''
21
'''
#按列求和
print(f.sum(axis=0))
'''
[5 7 9]
'''
#按行求和
print(f.sum(axis=1))
'''
[ 6 15]
'''
#最小值的值
print(f.min())
'''
1
'''
#最小值的索引
print(f.argmin())
'''
0
'''
#最大值的值
print(f.max())
'''
6
'''
print(f.argmax())
'''
5
'''
#平均值
print(f.mean())
'''
3.5
'''
#方差
print(f.var())
'''
2.9166666666666665
'''
#标准差
print(f.std())
'''
1.707825127659933
'''
#############
# 线性代数的运算
#矩阵内积
np.dot()
#行列式
np.linalg.det()
# 逆矩阵
np.linalg.inv()
#多元一次方程组求根
np.linalg.solve()
#求特征值和特征向量
np.linalg.eig()

Das obige ist der detaillierte Inhalt vonWas sind die Array-Datentypen von Numpy in Python? (Detaillierte Code-Erklärung). Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!