python中的numpy的array数据类型有哪些

py的numpy的array数据类型

本篇教程希望为您提供帮助

本篇文章给大家带来的内容是介绍python中numpy的array数据类型有哪些？（代码详解）。有一定的参考价值，有需要的朋友可以参考一下，希望对你们有所帮助。

 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()

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()

python干货