（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]
22 [ 9 10 11 12]]
23 数组维数： 2
24 数组维度： (3, 4)
25 数组类型： int32
26 元素个数： 12
27 元素大小： 4
28 重置维度后的数组为：arr2_reshape =
29 [[ 1 2 3]
30 [ 4 5 6]
31 [ 7 8 9]
32 [10 11 12]]
33 '''
34
35 # 2、用arange创建数组
36 arr3 = np.arange(0, 1, 0.1) # (初值，终值，间隔) 左闭右开
37 print("\n等差数组：arr3 = ", arr3)
38 '''
39 等差数组：arr3 = [0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]
40 '''
41 # 3、用linspace创建数组
42 arr4 = np.linspace(0, 1, 4) # (初值，终值，个数) 等差数列
43 print("\n特殊等差数组：arr4 = ", arr4)
44 '''
45 特殊等差数组：arr4 = [0. 0.33333333 0.66666667 1. ]
46 '''
47 # 4、用logspace创建数组
48 arr5 = np.logspace(0, 2, 4) # (10^0，10^2，个数) 等比数列
49 print("\n10^等比数组：arr5 = ", arr5)
50 '''
51 10^等比数组：arr5 = [ 1. 4.64158883 21.5443469 100. ]
52 '''
53 # 5、用zeros创建数组
54 arr6 = np.zeros((3, 3)) # (a,b) 维数
55 print("\n全0数组：arr6 = \n", arr6)
56 '''
57 全0数组：arr6 =
58 [[0. 0. 0.]
59 [0. 0. 0.]
60 [0. 0. 0.]]
61 '''
62 # 6、用eye创建数组
63 arr7 = np.eye(3) # 类似于单位矩阵
64 print("\n单位对角数组：arr7 = \n", arr7)
65 '''
66 单位对角数组：arr7 =
67 [[1. 0. 0.]
68 [0. 1. 0.]
69 [0. 0. 1.]]
70 '''
71 # 7、用diag创建数组
72 arr8 = np.diag([1, 2, 3, 4]) # [a,b,c,d] 对角元素
73 print("\n对角数组：arr8 = \n", arr8)
74 '''
75 对角数组：arr8 =
76 [[1 0 0 0]
77 [0 2 0 0]
78 [0 0 3 0]
79 [0 0 0 4]]
80 '''
81 # 8、用ones创建数组
82 arr9 = np.ones((4, 3)) # (a,b) 维数
83 print("\n单位数组：arr9 = \n", arr9)
84 '''
85 单位数组：arr9 =
86 [[1. 1. 1.]
87 [1. 1. 1.]
88 [1. 1. 1.]
89 [1. 1. 1.]]
90 '''
91 # 9、自定义数据数组创建
92 arr10 = np.array([("vilicute", 52, 5.02), ("shame", 55, 55.02)])
93 print("\n自定义数据类型数组：arr10 = \n", arr10)
94 '''
95 自定义数据类型数组：arr10 =
96 [['vilicute' '52' '5.02']
97 ['shame' '55' '55.02']]
98 '''
99 # 10、生成随机数组
100 arr11 = np.random.random(10) # 个数
101 print("\n随机数组：arr11 = \n", arr11)
102 '''
103 随机数组：arr11 =
104 [0.10325528 0.58512919 0.44988683 0.49719158 0.6361162 0.08344581 0.00998028 0.85750635 0.37264001 0.94651211]
105 '''
106 # 11、生成服从均匀分布随机数
107 arr12 = np.random.rand(4, 3)
108 print("\n服从均匀分布随机数组：arr12 = \n", arr12)
109 '''
110 服从均匀分布随机数组：arr12 =
111 [[0.85982146 0.31343986 0.89078588]
112 [0.15717079 0.04499381 0.32277901]
113 [0.70737793 0.75456669 0.43207658]
114 [0.73633332 0.05820537 0.73123502]]
115 '''
116 # 12、生成服从正态分布随机数
117 arr13 = np.random.randn(4, 3)
118 print("\n服从正态分布随机数组：arr13 = \n", arr13)
119 '''
120 服从正态分布随机数组：arr13 =
121 [[ 0.36057176 -0.71389648 -0.26165942]
122 [ 1.38415272 0.90255961 -1.42104002]
123 [ 0.48616978 1.22208226 0.65215556]
124 [ 0.2997037 1.31383623 -0.10306966]]
125 '''
126 # 13、生成给定上下限的随机数组
127 arr14 = np.random.randint(2, 10, size=[2, 5]) # size 维数
128 print("\n给定上下限的随机数组:arr14 = \n", arr14)
129 '''
130 给定上下限的随机数组:arr14 =
131 [[2 8 4 4 7]
132 [3 7 5 6 5]]
133 '''
（2）数组的访问
1 # !usr/bin/env python 2 # Author:@vilicute 3 import numpy as np 4 ar = np.random.randint(0,10,size = [4,5]) 5 print(ar) 6 print(ar[1,3]) # 第二行第四列 7 print(ar[0,2:4]) # 0行的3，4列元素 8 print(ar[1:,2:]) # 1行2列之后的元素 9 print(ar[:,2]) # 第3列元素 10 print(ar[2,:]) # 第3行元素 11 ''' 12 [[6 0 3 8 9] 13 [8 7 4 8 2] 14 [0 0 1 7 2] 15 [8 2 0 8 7]] 16 17 8 18 [3 8] 19 [[4 8 2] 20 [1 7 2] 21 [0 8 7]] 22 23 [3 4 1 0] 24 [0 0 1 7 2] 25 '''
（3）数组形态的变换
1 # !usr/bin/env python
2 # Author:@vilicute
3 import numpy as np
4 arr1 = np.arange(12)
5 print(arr1)
6 array1 = arr1.reshape(3, 4)
7 print("\n新的数组形态为：\n", array1)
8 ndim = arr1.reshape(3, 4).ndim
9 print("\n数组维度：", ndim)
10 '''
11 [ 0 1 2 3 4 5 6 7 8 9 10 11]
12 新的数组形态为：
13 [[ 0 1 2 3]
14 [ 4 5 6 7]
15 [ 8 9 10 11]]
16 数组维度： 2
17 '''
18 arr2 = np.random.randint(5, 15, size=[4, 5])
19 print(arr2)
20 arr2_ravel = arr2.ravel() #数组（横向）展平
21 arr2_flatten = arr2.flatten() #数组（横向）展平
22 arr2_flatten_F = arr2.flatten('F') #数组（纵向）展平
23 print("\n数组（横向）展平ravel(): ", arr2_ravel)
24 print("\n数组（横向）展平flatten(): ", arr2_flatten)
25 print("\n数组（纵向）展平flatten(): ", arr2_flatten_F)
26 '''
27 [[12 5 6 8 10]
28 [11 11 8 11 7]
29 [13 7 5 5 11]
30 [ 8 6 11 13 6]]
31 数组（横向）展平ravel(): [12 5 6 8 10 11 11 8 11 7 13 7 5 5 11 8 6 11 13 6]
32 数组（横向）展平flatten(): [12 5 6 8 10 11 11 8 11 7 13 7 5 5 11 8 6 11 13 6]
33 数组（纵向）展平flatten(): [12 11 13 8 5 11 7 6 6 8 5 11 8 11 5 13 10 7 11 6]
34 '''
35 arr3 = arr2*2
36 print("\n乘法计算：\n", arr3)
37 '''
38 乘法计算：
39 [[24 10 12 16 20]
40 [22 22 16 22 14]
41 [26 14 10 10 22]
42 [16 12 22 26 12]]
43 '''
44 arr_hstack = np.hstack((arr2, arr3)) #横向组合
45 arr_vstack = np.vstack((arr2, arr3)) #纵向组合
46 print("\narr2与arr3横向组合：\n", arr_hstack)
47 print("\narr2与arr3纵向组合：\n", arr_vstack)
48 ''' 功能同上
49 arr_hstack = np.concatenate((arr2, arr3), axis=1) #横向组合
50 arr_vstack = np.concatenate((arr2, arr3), axis=0) #纵向组合
51 print("\narr2与arr3横向组合：\n", arr_hstack)
52 print("\narr2与arr3纵向组合：\n", arr_vstack)
53 '''
54 '''
55 arr2与arr3横向组合：
56 [[12 5 6 8 10 24 10 12 16 20]
57 [11 11 8 11 7 22 22 16 22 14]
58 [13 7 5 5 11 26 14 10 10 22]
59 [ 8 6 11 13 6 16 12 22 26 12]]
60 arr2与arr3纵向组合：
61 [[12 5 6 8 10]
62 [11 11 8 11 7]
63 [13 7 5 5 11]
64 [ 8 6 11 13 6]
65 [24 10 12 16 20]
66 [22 22 16 22 14]
67 [26 14 10 10 22]
68 [16 12 22 26 12]]
69 '''
70 arr4 = np.arange(16).reshape(4, 4)
71 print("\narr4=\n", arr4)
72 arr_hsplit = np.hsplit(arr4, 2) #横向分割, <=>np.split(arr4,2,axis = 1)
73 arr_vsplit = np.vsplit(arr4, 2) #纵向分割, <=>np.split(arr4,2,axis = 0)
74 print("\n横向分割：\n", arr_hsplit)
75 print("\n纵向分割：\n", arr_vsplit)
76 '''
77 arr4=
78 [[ 0 1 2 3]
79 [ 4 5 6 7]
80 [ 8 9 10 11]
81 [12 13 14 15]]
82 横向分割：
83 [array([[ 0, 1],
84 [ 4, 5],
85 [ 8, 9],
86 [12, 13]]),
87 array([[ 2, 3],
88 [ 6, 7],
89 [10, 11],
90 [14, 15]])]
91 纵向分割：
92 [array([[0, 1, 2, 3],
93 [4, 5, 6, 7]]),
94 array([[ 8, 9, 10, 11],
95 [12, 13, 14, 15]])]
96 '''
（4）数组排序
1 # !usr/bin/env python
2 # Author:@vilicute
3 import numpy as np
4 arr1 = np.random.randint(10, 100, size=[4, 5])
5 arr2 = np.random.randint(10, 100, size=[4, 4])
6 arr3 = np.random.randint(10, 100, size=[4, 3])
7 arr4 = np.array(['小明', '小小', '小红', '小明', '小米', '小迭'])
8 print("\narr1=\n", arr1, "\narr2=\n", arr2, "\narr3=\n", arr3)
9 arr1.sort(axis=1)
10 print("\n横向排序 arr1 =\n", arr1)
11 print("\narr2=\n", arr2)
12 arr2.sort(axis=0)
13 print("\n纵向排序 arr2 =\n", arr2)
14 print("\narr3=\n", arr3)
15 print("\n排序下标(按行给出)：\n", arr3.argsort())
16 print("\narr4=", arr4)
17 print("\n去重：", np.unique(arr4))
18 print("\n重复：", np.tile(arr4, 2))
19 print("\n按行重复：\n", arr1.repeat(2, axis=1))
20 print("\n按列重复：\n", arr1.repeat(2, axis=0))
21 '''
22 arr1=
23 [[24 11 78 47 65]
24 [81 54 56 90 45]
25 [75 61 50 22 23]
26 [77 64 63 84 69]]
27 arr2=
28 [[12 23 37 32]
29 [41 20 58 77]
30 [43 76 42 97]
31 [77 53 28 90]]
32 arr3=
33 [[53 33 81]
34 [77 22 63]
35 [90 20 66]
36 [28 61 38]]
37 横向排序 arr1 =
38 [[11 24 47 65 78]
39 [45 54 56 81 90]
40 [22 23 50 61 75]
41 [63 64 69 77 84]]
42 arr2=
43 [[12 23 37 32]
44 [41 20 58 77]
45 [43 76 42 97]
46 [77 53 28 90]]
47 纵向排序 arr2 =
48 [[12 20 28 32]
49 [41 23 37 77]
50 [43 53 42 90]
51 [77 76 58 97]]
52 arr3=
53 [[53 33 81]
54 [77 22 63]
55 [90 20 66]
56 [28 61 38]]
57 排序下标(按行给出)：
58 [[1 0 2]
59 [1 2 0]
60 [1 2 0]
61 [0 2 1]]
62 arr4= ['小明' '小小' '小红' '小明' '小米' '小迭']
63 去重： ['小小' '小明' '小米' '小红' '小迭']
64 重复： ['小明' '小小' '小红' '小明' '小米' '小迭' '小明' '小小' '小红' '小明' '小米' '小迭']
65 按行重复：
66 [[11 11 24 24 47 47 65 65 78 78]
67 [45 45 54 54 56 56 81 81 90 90]
68 [22 22 23 23 50 50 61 61 75 75]
69 [63 63 64 64 69 69 77 77 84 84]]
70 按列重复：
71 [[11 24 47 65 78]
72 [11 24 47 65 78]
73 [45 54 56 81 90]
74 [45 54 56 81 90]
75 [22 23 50 61 75]
76 [22 23 50 61 75]
77 [63 64 69 77 84]
78 [63 64 69 77 84]]
79 '''
（5）数组统计
1 # !usr/bin/env python
2 # Author:@vilicute
3 import numpy as np
4 arr1 = np.random.randint(10, 100, size=[4, 5])
5 print("\narr1=\n", arr1)
6 arr_sum = np.sum(arr1) #求和
7 arr_sum0 = arr1.sum(axis=0) #纵向求和
8 arr_sum1 = arr1.sum(axis=1) #横向求和
9 arr_mean = np.mean(arr1) #均值
10 arr_mean0 = arr1.mean(axis=0) #纵向均值
11 arr_mean1 = arr1.mean(axis=1) #横向均值
12 arr_std = np.std(arr1) #标准差
13 arr_var = np.var(arr1) #方差
14 arr_min = np.min(arr1) #最小值
15 arr_max = np.max(arr1) #最大值
16 arr_argmin = np.argmin(arr1) #最小值索引
17 arr_argmax = np.argmax(arr1) #最大值索引
18 print("\n求和：", arr_sum)
19 print("\n纵向求和：", arr_sum0)
20 print("\n横向求和：", arr_sum1)
21 print("\n均值：",arr_mean)
22 print("\n纵向均值：", arr_mean0)
23 print("\n横向均值：", arr_mean1)
24 print("\n标准差：", arr_std)
25 print("\n方差：", arr_var)
26 print("\n最小值：", arr_min)
27 print("\n最大值：", arr_max)
28 print("\n最小值索引：", arr_argmin)
29 print("\n最大值索引：", arr_argmax)
30 '''
31 arr1=
32 [[28 54 50 40 75]
33 [93 26 95 81 41]
34 [12 43 73 49 82]
35 [27 26 26 13 37]]
36 求和： 971
37 纵向求和： [160 149 244 183 235]
38 横向求和： [247 336 259 129]
39 均值： 48.55
40 纵向均值： [40.00 37.25 61.00 45.75 58.75]
41 横向均值： [49.4 67.2 51.8 25.8]
42 标准差： 25.437128375663793
43 方差： 647.0475000000001
44 最小值： 12
45 最大值： 95
46 最小值索引： 10
47 最大值索引： 7
48 '''