python学习——numpy
2018-03-28 20:07
267 查看
1. reshape()
新数组的shape属性应该要与原来数组的一致,即新数组元素数量与原数组元素数量要相等。一个参数为-1时,那么reshape函数会根据数组大小和另一个参数的维度计算出数组的另外一个shape属性值。
下面来举几个例子来理解一下:
>>> z = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12],[13, 14, 15, 16]]) >>> print(z) [[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12] [13 14 15 16]] >>> print(z.shape) (4, 4) >>> print(z.reshape(-1)) [ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16] >>> print(z.reshape(-1,1)) #我们不知道z的shape属性是多少, #但是想让z变成只有一列,行数不知道多少, #通过`z.reshape(-1,1)`,Numpy自动计算出有16行, #新的数组shape属性为(16, 1),与原来的(4, 4)配套。 [[ 1] [ 2] [ 3] [ 4] [ 5] [ 6] [ 7] [ 8] [ 9] [10] [11] [12] [13] [14] [15] [16]] >>> print(z.reshape(2,-1)) [[ 1 2 3 4 5 6 7 8] [ 9 10 11 12 13 14 15 16]]
关于reshape函数的具体介绍请看numpy.reshape
2. stack(),hstack()和vstack()
hstack()函数
函数原型:hstack(tup) ,参数tup可以是元组,列表,或者numpy数组,返回结果为numpy的数组。看下面的代码体会它的含义import numpy as np a=[1,2,3] b=[4,5,6] print(np.hstack((a,b))) 输出:[1 2 3 4 5 6 ] import numpy as np a=[[1],[2],[3]] b=[[1],[2],[3]] c=[[1],[2],[3]] d=[[1],[2],[3]] print(np.hstack((a,b,c,d))) 输出: [[1 1 1 1] [2 2 2 2] [3 3 3 3]] 它其实就是水平(按列顺序)把数组给堆叠起来,vstack()函数正好和它相反。 vstack()函数 ---------- 函数原型:vstack(tup) ,参数tup可以是元组,列表,或者numpy数组,返回结果为numpy的数组。看下面的代码体会它的含义
import numpy as np a=[1,2,3] b=[4,5,6] print(np.vstack((a,b))) 输出: [[1 2 3] [4 5 6]] import numpy as np a=[[1],[2],[3]] b=[[1],[2],[3]] c=[[1],[2],[3]] d=[[1],[2],[3]] print(np.vstack((a,b,c,d)))
输出:
[[1] [2] [3] [1] [2] [3] [1] [2] [3] [1] [2] [3]]
它是垂直(按照行顺序)的把数组给堆叠起来。
3、tile函数
函数格式tile(A,reps)A和reps都是array_like
A的类型众多,几乎所有类型都可以:array, list, tuple, dict, matrix以及基本数据类型int, string, float以及bool类型。
reps的类型也很多,可以是tuple,list, dict, array, int, bool.但不可以是float, string, matrix类型。
函数操作示例
>>> tile(1,2) array([1, 1])
>>> tile((1,2,3),3) array([1, 2, 3, 1, 2, 3, 1, 2, 3])
>>> tile(a,2) array([[1, 2, 3, 1, 2, 3], [4, 5, 5, 4, 5, 5]])
>>> b=[1,3,5] >>> tile(b,[2,3]) array([[1, 3, 5, 1, 3, 5, 1, 3, 5], [1, 3, 5, 1, 3, 5, 1, 3, 5]])
>>> a=[[1,2,3],[5,4]] >>> tile(a,[2,3]) array([[[1, 2, 3], [5, 4], [1, 2, 3], [5, 4], [1, 2, 3], [5, 4]], [[1, 2, 3], [5, 4], [1, 2, 3], [5, 4], [1, 2, 3], [5, 4]]])
相关文章推荐
- 【python学习笔记】16:numpy数组四则运算
- Python.Numpy学习零碎笔记之矩阵创建
- python 科学计算 — numpy 学习笔记
- Python基础教程学习第八日:Numpy(2)
- python学习--numpy的数组
- 学习Python数据分析随手笔记【二】numpy数组的属性
- 【Python】numpy学习总结1
- Python学习笔记(二)——NumPy
- python 学习~Numpy,PyCharm
- python numpy学习笔记(4)
- 【python】numpy基础学习
- 【python学习笔记】19:numpy数组布尔运算和切片
- 学习Python数据分析(1)----numpy,Pandas,matplotlib,scipy 的安装
- 给深度学习入门者的Python快速教程 - numpy和Matplotlib
- Python学习——numpy
- 给深度学习入门者的Python快速教程 - numpy和Matplotlib篇
- python numpy 学习笔记(6)
- python之numpy学习
- 【python学习笔记】17:numpy数组排序
- Python数据挖掘学习02--numpy和pandas模块基本使用