numpy库
をテンプレートにして作成
[
トップ
] [
新規
|
一覧
|
検索
|
最終更新
|
ヘルプ
|
ログイン
]
開始行:
[[Python]]
&color(red){※This article is based on Python 3.7.3};
#contents
* 章节数据准备 [#m0ea02e9]
此章节后面a的值为下方的初始化值。
#codeprettify{{
>>> import numpy as np
>>> a = np.array([[1,2,3],[4,5,6]])
>>> a
array([[1, 2, 3],
[4, 5, 6]])
}}
* 基本属性 [#i25dd598]
#codeprettify{{
>>> a.shape #(2, 3)，返回一个元组，表示每个维度的大小。nd...
>>> a.shape = (2,3) #shape属性是可写的，这个方法与a.resha...
>>> a.size #6,ndarray对象元素的个数，相当于.shape中n*m的值
>>> a.ndim #2 秩，即轴的数量或维度的数量
>>> a.itemsize #8 ndarray对象中每个元素的大小，以字节为单位
>>> a.dtype #dtype('int64')ndarray对象的元素类型
>>> a.itemsize #8 ndarray对象中每个元素的大小，以字节为单位
>>> a.flags #ndarray对象的内存信息
C_CONTIGUOUS : True #数组位于单一的、C 风格的连续区段内
F_CONTIGUOUS : False #数组位于单一的、Fortran 风格的连...
OWNDATA : True #数组的内存从其它对象处借用
WRITEABLE : True #数据区域可写入。 将它设置为flase会锁...
ALIGNED : True #数据和任何元素会为硬件适当对齐
WRITEBACKIFCOPY : False #
UPDATEIFCOPY : False #这个数组是另一数组的副本。当这个...
}}
** 最大最小值 [#q7e0b0f3]
#codeprettify{{
>>> a.max()#最大值
6
>>> a.min()#最小值
1
>>> a.max(axis = 0)# axis=0 行方向最大值，即获得每列的最...
array([4, 5, 6])
>>> a.min(axis = 1)
array([1, 4])
>>> a.argmax(axis=1)# 最大值元素所在的位置
array([2, 2])
}}
** 平均值 [#pdad0d87]
*** 平均值mean() [#se24393d]
获得矩阵中元素的平均值可以通过函数mean()。同样地，可以获...
#codeprettify{{
>>> a.mean() #3.5 即所有元素的平均值。
>>> a.mean(axis = 0)#行方向均值，即每列的均值。
array([2.5, 3.5, 4.5])
}}
*** 加权平均值numpy.average() [#s0fa673d]
是由每个分量乘以反映其重要性的因子得到的平均值。 numpy.av...
#codeprettify{{
>>> np.average(a)#如果不指定权值，则和平均值mean()效果一...
3.5
>>> np.average(a,weights = [[1,2,3],[3,2,1]])#返回加权平...
3.5
>>> np.average(a,weights = [[1,2,3],[3,2,1]],returned = T...
(3.5, 12.0)
}}
*** 中值numpy.median() [#ic362bc4]
中值定义为将数据样本由小到大排序，取最中间的那一个，如果...
#codeprettify{{
>>> np.median(a)#3.5
}}
* 数组操作 [#y56f2ae3]
** 遍历数组 [#v3477a40]
*** enumerate() 函数 [#s2d99ac0]
#codeprettify{{
array = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
for i, row in enumerate(array):
for j, element in enumerate(row):
print("array[{}][{}] = {}".format(i, j, element))
#结果
array[0][0] = 1
array[0][1] = 2
array[0][2] = 3
array[1][0] = 4
array[1][1] = 5
array[1][2] = 6
array[2][0] = 7
array[2][1] = 8
array[2][2] = 9
}}
*** nditer() [#i99b93ff]
函数nditer() 主要用于循环遍历整个数组，而无需为每个额外维...
#codeprettify{{
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
for x in np.nditer(array):
print(x)
#结果:
1
2
3
4
5
6
7
8
9
}}
** 修改数据 [#l71fce51]
#codeprettify{{
#一维数组
a=np.arange(0,10,1)**2
>>>array([ 0, 1, 4, 9, 16, 25, 36, 49, 64, 81])
a[-1]=100 #单个赋值
>>>array([ 0, 1, 4, 9, 16, 25, 36, 49, 64, 10...
a[1:4]=100 #批量赋值
>>>array([ 0, 100, 100, 100, 16, 25, 36, 49, 64, 10...
b=[np.sqrt(np.abs(i)) for i in a] #通过a循环遍历赋值
print(b)
>>>[0.0, 10.0, 10.0, 10.0, 4.0, 5.0, 6.0, 7.0, 8.0, 10.0]
}}
** np.append() [#mda0d15c]
&color(red){返回新数组，不影响原来的数组};
#codeprettify{{
>>> a = np.arange(8)
>>> a
array([1, 2, 3, 4, 5, 6, 7])
>>>np.append(a, 8)
array([1, 2, 3, 4, 5, 6, 7, 8])
>>>np.append(a, [9,10])
array([1, 2, 3, 4, 5, 6, 7, 9, 10])
>>> x
array([1, 2, 3, 4, 5, 6, 7])
}}
注意一维数组和多维数组追加的区别：
n维数组要保持维度，只能追加n维数组，不然报错；
多维数组追加一维数组后，会变成一维数组（axis=None,先展平）
** np.where [#m3e829e9]
np.where 函数是三元表达式，有下面两种用法
*** np.where(condition,x,y) [#x91dfa4c]
当where内有三个参数时，第一个参数表示条件，当条件成立时wh...
*** np.where(condition) [#re680740]
当where内只有一个参数时，那个参数表示条件，当条件成立时，...
返回的是坐标
#codeprettify{{
import numpy as np
a = np.array([2, 4, 6, 8, 10])
#一维矩阵
result_1 = np.where(a > 5)
print(result_1)
b = np.random.randn(4, 4)
#二维矩阵
print(b)
result_2 = np.where(b > 0)
print(result_2)
}}
结果
#codeprettify{{
Output from spyder call 'get_namespace_view':
(array([2, 3, 4], dtype=int64),)
[[-0.83362412 -2.23605027 0.15374728 0.70877121]
[-0.30212209 0.56606258 0.95593288 1.03250978]
[-0.85764257 1.48541971 0.73199465 1.66331547]
[-0.22020036 0.46416537 -0.75622715 0.32649036]]
(array([0, 0, 1, 1, 1, 2, 2, 2, 3, 3], dtype=int64), arra...
}}
*** 例程 [#ia7fb14d]
使用numpy.where在图片上提取某一位置的坐标，遍历所有点耗费...
#codeprettify{{
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print(np.where(a==2))
}}
返回
(array([0], dtype=int64), array([1], dtype=int64))就是第...
*** 对比 [#g34598aa]
下面的数组比较会报错，[[详细看这里>+python+numpy库#n19523...
if ele != (0,0):
应该写成这样
if np.array_equal(ele, [0, 0]):
#codeprettify{{
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([1, 2, 3, 4, 6])
result = np.array_equal(array1, array2)
print(result)
}}
* Troubleshooting [#ze01b877]
** operands could not be broadcast together with shapes [...
*** 形状不同 [#d0ceeb2a]
#codeprettify{{
a = np.array([[1,2], [3,4]])
b = np.array([10,20,30,40])
c = a+b
# ValueError: operands could not be broadcast together wi...
}}
错误原因：将一个长度为4的数组加到一个2 x 2的数组上显然是...
改为
#codeprettify{{
b = np.array([10,20,30,40]).reshape(2,2)
c = a+b
#结果：
array([[11, 22],
[33, 44]])
}}
*** 维数不同 [#m5959e40]
ValueError: operands could not be broadcast together wit...
列的数量不同导致的
a = a.reshape(3,1)
** The truth value of an array with more than one element...
在使用Numpy时，可能会遇到以下错误：
ValueError: The truth value of an array with more than o...
这个错误主要是因为Numpy的布尔运算有些独特，有时候会与Pyth...
#hr();
コメント：
#comment_kcaptcha
終了行:
[[Python]]
&color(red){※This article is based on Python 3.7.3};
#contents
* 章节数据准备 [#m0ea02e9]
此章节后面a的值为下方的初始化值。
#codeprettify{{
>>> import numpy as np
>>> a = np.array([[1,2,3],[4,5,6]])
>>> a
array([[1, 2, 3],
[4, 5, 6]])
}}
* 基本属性 [#i25dd598]
#codeprettify{{
>>> a.shape #(2, 3)，返回一个元组，表示每个维度的大小。nd...
>>> a.shape = (2,3) #shape属性是可写的，这个方法与a.resha...
>>> a.size #6,ndarray对象元素的个数，相当于.shape中n*m的值
>>> a.ndim #2 秩，即轴的数量或维度的数量
>>> a.itemsize #8 ndarray对象中每个元素的大小，以字节为单位
>>> a.dtype #dtype('int64')ndarray对象的元素类型
>>> a.itemsize #8 ndarray对象中每个元素的大小，以字节为单位
>>> a.flags #ndarray对象的内存信息
C_CONTIGUOUS : True #数组位于单一的、C 风格的连续区段内
F_CONTIGUOUS : False #数组位于单一的、Fortran 风格的连...
OWNDATA : True #数组的内存从其它对象处借用
WRITEABLE : True #数据区域可写入。 将它设置为flase会锁...
ALIGNED : True #数据和任何元素会为硬件适当对齐
WRITEBACKIFCOPY : False #
UPDATEIFCOPY : False #这个数组是另一数组的副本。当这个...
}}
** 最大最小值 [#q7e0b0f3]
#codeprettify{{
>>> a.max()#最大值
6
>>> a.min()#最小值
1
>>> a.max(axis = 0)# axis=0 行方向最大值，即获得每列的最...
array([4, 5, 6])
>>> a.min(axis = 1)
array([1, 4])
>>> a.argmax(axis=1)# 最大值元素所在的位置
array([2, 2])
}}
** 平均值 [#pdad0d87]
*** 平均值mean() [#se24393d]
获得矩阵中元素的平均值可以通过函数mean()。同样地，可以获...
#codeprettify{{
>>> a.mean() #3.5 即所有元素的平均值。
>>> a.mean(axis = 0)#行方向均值，即每列的均值。
array([2.5, 3.5, 4.5])
}}
*** 加权平均值numpy.average() [#s0fa673d]
是由每个分量乘以反映其重要性的因子得到的平均值。 numpy.av...
#codeprettify{{
>>> np.average(a)#如果不指定权值，则和平均值mean()效果一...
3.5
>>> np.average(a,weights = [[1,2,3],[3,2,1]])#返回加权平...
3.5
>>> np.average(a,weights = [[1,2,3],[3,2,1]],returned = T...
(3.5, 12.0)
}}
*** 中值numpy.median() [#ic362bc4]
中值定义为将数据样本由小到大排序，取最中间的那一个，如果...
#codeprettify{{
>>> np.median(a)#3.5
}}
* 数组操作 [#y56f2ae3]
** 遍历数组 [#v3477a40]
*** enumerate() 函数 [#s2d99ac0]
#codeprettify{{
array = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
for i, row in enumerate(array):
for j, element in enumerate(row):
print("array[{}][{}] = {}".format(i, j, element))
#结果
array[0][0] = 1
array[0][1] = 2
array[0][2] = 3
array[1][0] = 4
array[1][1] = 5
array[1][2] = 6
array[2][0] = 7
array[2][1] = 8
array[2][2] = 9
}}
*** nditer() [#i99b93ff]
函数nditer() 主要用于循环遍历整个数组，而无需为每个额外维...
#codeprettify{{
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
for x in np.nditer(array):
print(x)
#结果:
1
2
3
4
5
6
7
8
9
}}
** 修改数据 [#l71fce51]
#codeprettify{{
#一维数组
a=np.arange(0,10,1)**2
>>>array([ 0, 1, 4, 9, 16, 25, 36, 49, 64, 81])
a[-1]=100 #单个赋值
>>>array([ 0, 1, 4, 9, 16, 25, 36, 49, 64, 10...
a[1:4]=100 #批量赋值
>>>array([ 0, 100, 100, 100, 16, 25, 36, 49, 64, 10...
b=[np.sqrt(np.abs(i)) for i in a] #通过a循环遍历赋值
print(b)
>>>[0.0, 10.0, 10.0, 10.0, 4.0, 5.0, 6.0, 7.0, 8.0, 10.0]
}}
** np.append() [#mda0d15c]
&color(red){返回新数组，不影响原来的数组};
#codeprettify{{
>>> a = np.arange(8)
>>> a
array([1, 2, 3, 4, 5, 6, 7])
>>>np.append(a, 8)
array([1, 2, 3, 4, 5, 6, 7, 8])
>>>np.append(a, [9,10])
array([1, 2, 3, 4, 5, 6, 7, 9, 10])
>>> x
array([1, 2, 3, 4, 5, 6, 7])
}}
注意一维数组和多维数组追加的区别：
n维数组要保持维度，只能追加n维数组，不然报错；
多维数组追加一维数组后，会变成一维数组（axis=None,先展平）
** np.where [#m3e829e9]
np.where 函数是三元表达式，有下面两种用法
*** np.where(condition,x,y) [#x91dfa4c]
当where内有三个参数时，第一个参数表示条件，当条件成立时wh...
*** np.where(condition) [#re680740]
当where内只有一个参数时，那个参数表示条件，当条件成立时，...
返回的是坐标
#codeprettify{{
import numpy as np
a = np.array([2, 4, 6, 8, 10])
#一维矩阵
result_1 = np.where(a > 5)
print(result_1)
b = np.random.randn(4, 4)
#二维矩阵
print(b)
result_2 = np.where(b > 0)
print(result_2)
}}
结果
#codeprettify{{
Output from spyder call 'get_namespace_view':
(array([2, 3, 4], dtype=int64),)
[[-0.83362412 -2.23605027 0.15374728 0.70877121]
[-0.30212209 0.56606258 0.95593288 1.03250978]
[-0.85764257 1.48541971 0.73199465 1.66331547]
[-0.22020036 0.46416537 -0.75622715 0.32649036]]
(array([0, 0, 1, 1, 1, 2, 2, 2, 3, 3], dtype=int64), arra...
}}
*** 例程 [#ia7fb14d]
使用numpy.where在图片上提取某一位置的坐标，遍历所有点耗费...
#codeprettify{{
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print(np.where(a==2))
}}
返回
(array([0], dtype=int64), array([1], dtype=int64))就是第...
*** 对比 [#g34598aa]
下面的数组比较会报错，[[详细看这里>+python+numpy库#n19523...
if ele != (0,0):
应该写成这样
if np.array_equal(ele, [0, 0]):
#codeprettify{{
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([1, 2, 3, 4, 6])
result = np.array_equal(array1, array2)
print(result)
}}
* Troubleshooting [#ze01b877]
** operands could not be broadcast together with shapes [...
*** 形状不同 [#d0ceeb2a]
#codeprettify{{
a = np.array([[1,2], [3,4]])
b = np.array([10,20,30,40])
c = a+b
# ValueError: operands could not be broadcast together wi...
}}
错误原因：将一个长度为4的数组加到一个2 x 2的数组上显然是...
改为
#codeprettify{{
b = np.array([10,20,30,40]).reshape(2,2)
c = a+b
#结果：
array([[11, 22],
[33, 44]])
}}
*** 维数不同 [#m5959e40]
ValueError: operands could not be broadcast together wit...
列的数量不同导致的
a = a.reshape(3,1)
** The truth value of an array with more than one element...
在使用Numpy时，可能会遇到以下错误：
ValueError: The truth value of an array with more than o...
这个错误主要是因为Numpy的布尔运算有些独特，有时候会与Pyth...
#hr();
コメント：
#comment_kcaptcha
ページ名:
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
