python nparray函数 np.array()函数

1、创建数组     

2、 与矩阵相关的函数

3、与排序相关的函数

4、 一元计算函数      

5、 多元计算函数     

6、 与文件读写相关的函数 

7、与数组形状、属性相关的函数

8、 常用计算函数   

 

9、 数组选取：切片和索引    

10、np.random相关函数    

Numpy常用的20个函数

一、创建数组
1、array
import numpy as np
np.array([1,2,3,4,5])
----------------
array([1, 2, 3, 4, 5, 6])
还可以使用此函数将pandas的df转为NumPy数组。
data={'小写':['a','b','c'],'大写':['A','B','C']}        
df=pd.DataFrame(data)
np.array(df)
2、arange  ：在给定的间隔内 返回具有一定步长的整数。  （arange 范围、排列）
step:数值步长。
np.arange(5,10,2)
-----------------------
array([5, 7, 9])
3、Linspace  ：创建一个具有指定间隔的浮点数 的数组。  （lin-space 林空间）
start:起始数字   end:结束    Num:要生成的样本数
np.linspace(10,100,10)
--------------------------------
array([ 10.,  20.,  30.,  40.,  50.,  60.,  70.,  80.,  90., 100.])
4、random.randint  ：在一个范围内生成n个随机整数样本。  必记（random.rand-int）
（start:起始数字  end:结束  Num:要生成的样本数）
（1）np.random.randint(0,10,5)
------------------------------
[8, 6, 3, 2, 0]
（2）np.random.randint(4, 9, size=(3, 5))         生成一个三行五列的正数矩阵
------------------------------
array([[5, 7, 7, 4, 4],
       [4, 6, 7, 8, 4],
       [5, 7, 6, 7, 7]])
5、zeros
shape:阵列的形状。  
(1)np.zeros((2,3),dtype='int')
---------------
array([[0, 0, 0],
       [0, 0, 0]])
(2)np.zeros(5)
-----------------
array([0., 0., 0., 0., 0.])
6、ones
np.ones((3,4))
------------------
array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]])
7、full
np.full((2,4),fill_value=2)
--------------
array([[2, 2, 2, 2],
       [2, 2, 2, 2]])
二、数组操作
8、min
axis:用于操作的轴。      out:用于存储输出的数组。
arr = np.array([1,1,2,3,3,4,5,6,6,2])
np.min(arr)
----------------
1
9、max
np.max(arr)
------------------
6
10、mean
np.mean(arr,dtype='int')
-------------------------------
3
11、medain
arr = np.array([[1,2,3],[5,8,4]])
np.median(arr)
-----------------------------
3.5
12、sort
kind:要使用的排序算法。  {'quicksort', 'mergesort', 'heapsort', 'stable'}
arr = np.array([2,3,1,7,4,5])
np.sort(arr)
----------------
array([1, 2, 3, 4, 5, 7])
13、abs
A = np.array([[1,-3,4],[-2,-4,3]])
np.abs(A)
---------------
array([[1, 3, 4],
       [2, 4, 3]])
14、合并
a = np.array([1, 2, 3, 4, 5])
b = np.array([1, 3, 5, 4, 36])
np.union1d(a,b)
-------------------
array([ 1,  2,  3,  4,  5, 36])
15、重复的元素
np.repeat('2017',3)
---------------------
array(['2017', '2017', '2017'])
16、unique
return_index:如果为True,返回数组的索引。
return_inverse:如果为True,返回唯一数组的下标。
return_counts:如果为True,返回数组中每个唯一元素出现的次数。
axis:要操作的轴。默认情况下,数组被认为是扁平的。
np.unique(arr,return_counts=True)
---------------------
(
 array([1, 2, 3, 4, 5, 6]),             ## Unique elements
 array([2, 2, 2, 1, 1, 2], dtype=int64) ## Count
)
三、保存和加载数据  （savetxt 、 loadtxt）
17、保存  ：savetxt
arr = np.linspace(10,100,500).reshape(25,20)
np.savetxt('array.txt',arr)
18、加载  ：loadtxt用于从文本文件加载数组,它以文件名作为参数。
np.loadtxt('array.txt')
四、切片、索引
19、切片       （与python的切片语法相同：左闭右开）
a = np.arange(10)
# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
b = a[2:]      # 从索引 2 开始到结束
c = a[2:7]      # [2,7)之间的元素
d = a[2:7:2]    # 从索引 2 开始到索引 7 停止，间隔为 2
20、高维切片     （ ...用来表示高维情况下，选中该维度的所有数据，并与其他维度选取结果取交集）
a = np.array([[1,2,3],[4,5,6],[7,8,9]])  
print (a[...,1])      # 第2列元素
print (a[1,...])      # 第2行元素
print (a[...,1:])     # 第2列及剩下的所有元素
# 切片 ":" 或 "..." 与索引数组组合
b = a[1:3, 1:3] 
21、索引 
a = np.arange(10)       # [0 1 2 3 4 5 6 7 8 9]
b = a[5] 
#输出： 5   （获取数组中第6个位置的元素）
x = np.array([[1, 2],  [3, 4],  [5, 6]])
y = x[[0,1,2],  [0,1,0]]
y
#输出： [1  4  5]     （获取数组中(0,0)，(1,1)和(2,0)位置处的元素）