python数组

（1） 数组的创建 1 # !usr/bin/env python 2 # Author:@vilicute 3 import numpy as np 4 # 1、用array创建数组并查看数组的属性 5 arr1 = np.array([1, 2, 3, 4]) # 一维数组 6 print("一维数组创建：arr1 = ", arr1) 7 arr2 = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) # 二维数组 8 print("\n二维数组创建：arr2 = \n", arr2) 9 # 数组属性 10 print("数组维数：", arr2.ndim) 11 print("数组维度：", arr2.shape) 12 print("数组类型：", arr2.dtype) 13 print("元素个数：", arr2.size) 14 print("元素大小：", arr2.itemsize) 15 arr2.shape = 4, 3 # 重新设置维度属性 16 print("\n重置维度后的数组为：arr2_reshape = \n", arr2) 17 ''' 18 一维数组创建：arr1 = [1 2 3 4] 19 二维数组创建：arr2 = 20 [[ 1 2 3 4] 21 [ 5 6 7 8]

python一行代码得到数组中某个元素的个数 想法由来 今天写代码过程中遇到一个需求，计算一个list中数值为1的元素的个数，其中这个list的元素数值不是为0就是为1。 一开始想到的是写个方法来计算： # 返回一个0,1数组中1的数量 def num_one (source_array) : count = 0 for x in source_array: if x == 1 : count += 1 return count 嗯好吧，然后觉得这是最low的方法了，就在想强大的python可不可以一行代码就做到以上的效果，然后发现真的可以。 count方法描述 用到了一个python自带的count()方法，count()方法用于统计字符串里某个字符出现的次数。可选参数为在字符串搜索的开始与结束位置。 count方法语法与参数 语法： str.count( sub , start= 0 , end = len ( string )) 参数： - sub – 搜索的子字符串 - start – 字符串开始搜索的位置。默认为第一个字符,第一个字符索引值为0。 - end – 字符串中结束搜索的位置。字符中第一个字符的索引为 0。默认为字符串的最后一个位置。 具体实现 把一个list转类型为string然后用count方法计算所需要的元素个数即可，代码如下： num = str

/*--> */ /*--> */ /*--> */ /*--> */ /*--> */ /*--> */ /*--> */ /*--> */ 在NumPy中使用numpy.string_类型作字符串数据时要小心，因为numpy会修正它的大小或删除输入而不发出警告。 ¶ numpy数组的切片是原数组的视图，对视图的修改会反映到原数组，想要拷贝时需要显示复制ndarray[:].copy()。区别于使用布尔值索引时，总是生成数据的拷贝 ¶ 切片里只有一个冒号时切出来的数据是一维的，arr[2,:] ¶ In [1]: import numpy as np from functools import partial println = partial(print,sep="\n"+"*"*50+"\n") In [2]: arr = np.random.randn(7) * 5 remainder, whole_part = np.modf(arr) println(arr,remainder,whole_part) [ 3.43229669 -5.86140048 -6.59627105 -3.89258116 -0.2048788 1.86099143 -9.50394027] ************************************************** [

import numpy as np#导入numpy data=[[1,2,3],[4,5,6]]#创建元组 arr=np.array(data)#转化为数组 arr.ndim#数组空间维数 arr.shape#数据行列数 arr.dtype#数据类型""int32"" np.zeros(10)#指定长度 np.zeros((3,6))#创建3行6列的0数组 np.ones(5)#array([ 1., 1., 1., 1., 1.]) np.ones((3,4))#3行4列的全1矩阵 ar1=np.arange(10)#结果:array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) np.eye(3)#3维单位矩阵 np.identity(3)#3维单位矩阵 np.ones_like(arr)#创建与arr相同行、列的全1矩阵 np.zeros_like(arr)#创建与arr相同行、列的全0矩阵 arr_f=arr.astype(np.float64)#将arr中的数据类型转换为float64格式 Nstring=np.array(['1.2','3','4'],dtype=np.string_)#创建数组师可以自行定义字符串 N_float=Nstring.astype(np.float)#将string数据转换为float格式，等价于float64 ###

作为一个习惯了使用matlab的人，开始总是习惯性的把这两个当成一种东西，按照matlab中的矩阵去处理，发现一堆问题，调了一些小bug之后，这里做一个小总结。 首先简单说明一下python中的数据类型： 在 python 内建对象中，数组有三种形式： list 列表：[1, 2, 3] Tuple 元组：(1, 2, 3, 4, 5) Dict 字典：{A:1, B:2} 其中，元组与列表相似，不同之处在于元组的元素不能修改。而字典由键和值构成。 python 标准类针对数组的处理局限于 1 维，并仅提供少量的功能。 NumPy的数组类被称作ndarray。通常被称作数组。注意numpy.array和标准Python库类array.array并不相同，后者只处理一维数组和提供少量功能。更多重要ndarray对象属性有： 而 Numpy 最核心且最重要的一个特性就是 ndarray 多维数组对象，它区别于 python 的标准类，拥有对高维数组的处理能力，这也是数值计算过程中缺一不可的重要特性。对于python而言，数组与矩阵两个概念，都是由Numpy库引出来（难怪Numpy也叫科学计算库）。 然后简单说明一下在python中数组和矩阵的区别： Numpy matrices必须是2维的,但是 numpy arrays (ndarrays) 可以是多维的（1D，2D，3D····ND

array模块是python中实现的一种高效的数组存储类型。它和list相似，但是所有的数组成员必须是同一种类型，因此在创建数组的时候，就确定了数组的类型 计算机为数组分配一段连续的内存，从而支持对数组随机访问；由于项的地址在编号上是连续的，数组某一项的地址可以通过将两个值相加得出，即将数组的基本地址和项的偏移地址相加。 数组的基本地址就是数组的第一项的机器地址。一个项的偏移地址就等于它的索引乘以数组的一个项所需要的内存单元数目的一个常量表示（在python中，这个值总是1） 初学 Python，想要弄懂 Python 的数组可能有点复杂，可以看看下方视频，听知名技术专家李刚老师对Python数组模块和python序列与列表与元组的关系的详细解析， Python编程 序列、列表与元组 李刚老师出版的《疯狂java》体系图书曾得到市场的广泛认可，经过多次重印，并被多家高校选作教材，上方视频就来自于李刚老师的在线视频课程《21天通关Python》第二章 序列、列表与元组。 大家都有学习Python的困惑，今天就给大家推荐一本巨有影响力的Python实战书，上线时间仅2个月，就超越了众多实力派，成京东和当当网上的长期畅销图书，并且收获了 3.4W 的五星好评。 这本书可谓是笔者独家私藏图书之一了，对我学习Python有着莫大的帮助，在京东上也常常"断货"，这次拿出来给大家分享一下

import numpy as np a=[ [[2, 2] ,[2, 2] ,[2, 2] ,[2, 2] ], [[4 ,4] ,[4,4] , [4,4], [4,4]], [[3, 3] ,[3,3] ,[3,3] ,[3,3]], [[1, 1] ,[1,1] ,[1 ,1] ,[1,1]] ] x=np.array(a) for i in range(3): for j in range(i+1,4): if(x[i][0][0]>x[j][0][0]): temp=np.array(x[i])#交换数组中的元素的时候一定要这样写 #temp=x[i]这样写是错误的 这样temp只是x[i]的别名，没有起到交换的作用！ x[i]=x[j] x[j]=temp print(x) 注意 交换的时候 注意不要用别名，这样不能真正的交换值！！！！ 来源： https://www.cnblogs.com/kekexxr/p/11580078.html

C语言&C++ #include<stdio.h> int main ( ) { //定义一个整型数组和两个变量 int n[10]; int i , j; //将值赋予整型数组的每个元素 for( i = 0; i < 10; i++) { n[ i ] = i + 10 ; } //输出打印每个数组的值 for(i = 0; j< 10 ; j++) { printf("Element[%d] = %d\n", j, n[ j ] ); } return 0 ; } JAVA public class TestArray { public static void main(String [ ] args) { //定义一个双精度浮点数组 double [] myList = {1,.9, 2.9, 3.9}; //输出每个数组元素值 for (i = 0; i < myList.length; i++ ) { System.out.println(myList[i] + " "); } //计算总的和 double total = 0; for ( int i = 0; i < myList.length; i++) { total += myList[i]; } System.out.println("Total is " + total); } Python list

定义数组 mylist1 = ['a','b','c'] mylist2 = list() >>> type(mylist1) <class 'list'> >>> type(mylist2) <class 'list'> 取值 >>> mylist1[0] 'a' >>> mylist1[1] 'b' 去负值 倒着取 >>> mylist1[-1] 'c' >>> mylist1[-2] 'b' append(var) #追加元素 >>> mylist1.append('d') >>> mylist1 ['a', 'b', 'c', 'd'] .insert(index,var) 插入 index 位置 var 对象 >>> mylist1.insert(5,"e") >>> mylist1 ['a', 'b', 'c', 'd', 'e'] 如果你输入的index以及由其他的对象了 list会自动移位 >>> mylist1.insert(0,1) >>> mylist1 [1, 'a', 'b', 'c', 'd', 'e'] .pop 返回最后一个元素，并从list中删除 >>> mylist1.pop() 'e' >>> mylist1 [1, 'a', 'b', 'c', 'd'] .remove(var) #删除第一次出现的该元素 没有报错 >>> mylist1

散点图 散点图显示两组数据的值，如图1-1所示。 每个点的坐标位置由变量的值决定，并由一组不连接的点完成，用于观察两种变量的相关性。 例如，身高—体重、温度—维度。 Python资源共享群：626017123 图1-1 散点图示例 使用Matplotlib的scatter()函数绘制散点图，其中x和y是相同长度的数组序列。 scatter()函数的一般用法为： 主要参数说明如下： x,y： 数组。 s： 散点图中点的大小，可选。 c： 散点图中点的颜色，可选。 marker： 散点图的形状，可选。 alpha： 表示透明度，在 0~1 取值，可选。 linewidths： 表示线条粗细，可选。 示例： 绘制身高—体重的散点图 运行脚本输出如图1-2所示的图形。 图1-2 基本的散点图 散点图主要演示两个变量的相关性： 正相关、负相关、不相关。 示例： 显示y=2x+1的图形 Matplotlib中最基础的模块是Pyplot, 下面从最简单的线图开始讲解。 例如，有一组数据，还有一个拟合模型，通过编写代码来实现数据与模型结果的可视化。 假设一个线性函数具有形式y=ax+b, 自变量是x，因变量是y，y轴截距为b，斜率为a。 下面用简单的数据来描述线性方程y=2x+1，代码如下： 运行脚本输出如图2-2所示的图形。 图2-2 基本直线图 在图2-2中，使用线性方程y=2x