1. 指定数据类型
student_type = np.dtype([(
'name',
'U20'), (
'sex',
'U1'), (
'age',
'i1'), (
'marks',
'f4')])
students = np.array([(
'张三',
'男', 18, 87.6), (
'李四',
'女', 19, 100), (
'王五',
'男', 28, 85.5)], dtype=student_type)
2. 等步长,平均分, 等比 初始化NumPy矩阵
x = np.arange(10, 20, 3
)
# 平均分
x1 = np.linspace(10,20, 2
)
# 等比数列 以base为基数, base的3次方 等比拆分10份数
x2 = np.logspace(1, 3, num=10, base=3)
3. 列表赋值, 视图, 拷贝,三者之间的关系
a = [1, 2, 3, 4, 5, 6, 7, 8, 9
, 0]
print(id(a))
b =
a[:]
print(id(b))
b[0] = 1024
print(a)
print(b)
# 列表赋值 change
c = np.arange(0, 10
)
c2 =
c[:]
print(id(c))
print(id(c2))
c2[0] = 1024
print(c2)
# 视图 change
print(c)
# 视图 change
d = np.arange(0, 10
)
d2 =
d.copy()
d2[0] = 1024
print(id(d))
print(id(d2))
print(d)
# 拷贝
print(d2)
# change
4. 高级索引返回数据副本, 切片返回数据视图
a = np.array([[1, 2, 3], [3, 4, 5], [4, 5, 6
]])
print(a[..., 1
:])
print(a[1:, 1:])
5. C风格和F风格的区别(只有在遍历的时候有区别)
array01 = np.arange(0, 20, 2
)
array01 = array01.reshape([2, 5
])
array02 = array01.copy(order=
'F')
print(array02)
# [[ 0 2 4 6 8]
# [10 12 14 16 18]]
# 0 10 2 12 4 14 6 16 8 18
for x
in np.nditer(array02):
#列优先方式输出数据
print(x, end=
'\t')
print()
6. 矩阵的堆叠
# 矩阵的纵向堆叠
# 12
# 34
# 56
# 78
np.concatenate((a,b))
# 矩阵的横向堆叠
# 1256
# 3478
np.concatenate((a,b),axis=1)
转载于:https://www.cnblogs.com/LLWH134/p/10424450.html
相关资源：Numpy的简单用法小结
