Python之numpy的ndarray数组使用方法介绍
Python之numpy的ndarray数组使用方法介绍
我是攻城师
发布于 2018-07-23 10:41:21
发布于 2018-07-23 10:41:21
NumPy介绍
NumPy的全名为Numeric Python，是一个开源的Python科学计算库，它包括：
（1）一个强大的N维数组对象ndrray；
（2）比较成熟的（广播）函数库；
（3）用于整合C/C++和Fortran代码的工具包；
（4）实用的线性代数、傅里叶变换和随机数生成函数
主要优点：
1.NumPy数组在数值运算方面的效率优于Python提供的list容器。
2.使用NumPy可以在代码中省去很多循环语句，因此其代码比等价的Python代码更为简洁。
ndarray常用属性介绍
ndarray常用创建方法
这里只介绍最常用的方法，从python的list或者tuple中转化成ndarray，关于empty, emptylike, zeros, zeroslike, ones, oneslike, full, fulllike 这些方法，请参考官网文档。
def test1():
# 通过python的list来构建numpy array
list1 = [[1, 2, 3]]
list2 = [[1], [2], [3]]
# 通过python的 tuple来构造
tuple3= [(1,2,3)]
# 使用array方法构造
nd1 = np.array(list1)
nd2 = np.array(list2)
nd3 = np.array(tuple3)
show_array_properties(nd1)
show_array_properties(nd2)
show_array_properties(nd3)
def show_array_properties(np_array):
print("-----------------------")
"""
常用属性介绍
:param np_array:
:return:
"""
print(np_array.shape) # 代表每一个维度元素的个数
print(np_array.ndim) # 总共多少维度
print(np_array.dtype) # 数据类型
print(np_array.size) # 数组中元素的个数
test1()`
输出结果：
-----------------------
(1, 3)
2
int32
3
-----------------------
(3, 1)
2
int32
3
-----------------------
(1, 3)
2
int32
3`
ndarray常用数组操作
数组索引下标都是从0开始，不在特意强调
（1）常用步长访问
语法：start:stop:step (开始下标，停止下标，步长)
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a[0:3:2]) //start:stop:step
// output
[[1 2 3]
[4 5 6]]`
（2）使用arange生成数组，并访问元素
a = np.arange(10)
print(a) # [0 1 2 3 4 5 6 7 8 9]
b = a[5]
print b
// 5
b=np.arange(1,6,2)
print(b) # [1 3 5]`
（3）开始到结束
import numpy as np
a = np.arange(10)
print a[2:]
//output
[2 3 4 5 6 7 8 9]`
（4）指定区间
import numpy as np
a = np.arange(10)
print a[2:5]
//output
[2 3 4]`
（5）多维数组的范围访问
import numpy as np
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print a[1:]
//output
[[3 4 5]
[4 5 6]]`
（6）多维数组的列访问
注意下面这种访问情况 冒号可以和三个点号相互替换
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print a[...,1] ==> [2 4 5] 取第二列
等价
print a[:,1] ==> [2 4 5]
print a[1,...] ==> [3 4 5] 取第二行
print a[...,1:] ==> 取第一列之后的所有的列
//output
[[2 3]
[4 5]
[5 6]]`
（7）排序
a = np.array([[7,2,3],[3,4,5],[4,5,6]])
print(a[:,0])
# 取每个数组里面里面的第一个元素，排序，返回下标
np.argsort(a[:,0]) #升序
[7,3,4]
// np.argsort(-a[:,0]) #降序
#下面这个是按从小到大排序后的索引值
[1,2,0]
# 取出排序后的元数据
print(a[[1,2,0],:]) 等价 print(a[[1,2,0]])
结果：
[[3 4 5]
[4 5 6]
[7 2 3]]
#取a数组，前2个元素
print(a[:2,:])
#取a数组，2后面的元素
print(a[2:,:])`
（8）reshape转化数组
list=[1,2,3,4,5,6,7,8]
array2d=np.array(list)
# 转成 4 行 2列 的 2维数组
print(array2d.reshape(4,2))
# [[1 2]
# [3 4]
# [5 6]
# [7 8]]`
例子代码可到我github上下载：
https://github.com/qindongliang/opecv3-study
上面只是大概介绍了实际应用常用的一些方法，想要了解详细的朋友可以参考官网文档：
http://www.numpy.org/
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2018-05-23，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读