一、形状操作与生成函数

1. ndarray形状操作

（1）生成0~9的ndarray
arr0 = np.arange(10)
（2） 把arr0的形状转换为2行5列
arr0.reshape(2,5)
（3）在(1)的基础上在arr0的第一个维度前增加一个维度，变为(1,10)
arr1 = arr0[np.newaxis, :]
print(arr1)
print(arr1.shape)

在这里插入图片描述

（4）把arr0的形状改为(10,1)
arr2 = arr0[:, np.newaxis]
print(arr2)
print(arr2.shape)

在这里插入图片描述

（5）把arr0的形状改为(10，1，1)
arr3 = arr0[:, np.newaxis, np.newaxis]
print(arr3)
print(arr3.shape)

在这里插入图片描述

（6）去掉ndarray无效的维度
arr4 = arr3.squeeze()
arr4.shape

执行后，shape由原来的(10,1,1)变为了(10,)，删除了无效的维度

（7）拼接操作
a = np.array([[1,2,0],
              [3,4,2]])
b = np.array([[6,7,4],
              [8,0,7]])
# 别少括号，最外面括号是concatenate方法，里面的括号表示第一个参数是元组形式（axis默认值为0）
c = np.concatenate((a,b), axis = 0)
print('concat with axis 0: ', c)
d = np.concatenate((a,b), axis = 1)
print('concat with axis 1: ', d)

在这里插入图片描述

（8）拉伸成一个维度
a.flatten()

2. 数组生成函数

（1）生成0~9的ndarray
np.arange(10)
（2）生成2，4，6 ··· 18
np.arange(2,20,2)
（3）生成浮点数2，4，6 ··· 18
np.arange(2,20,2,dtype=np.float32)
（4）在A~B之间构造C个数
np.linspace(0,10,20)

在这里插入图片描述

np.logspace(0, 1, 5)

在这里插入图片描述

（5）构建行向量和列向量
print('行向量：',np.r_[0:10:1])
print('列向量：',np.c_[0:10:1])

在这里插入图片描述

（6）zeros, ones生成函数
例1：
arr1 = np.zeros(3)
print(arr1)
print(arr1.shape)

在这里插入图片描述

例2：
arr2 = np.ones(3)
print(arr2)
print(arr2.shape)

在这里插入图片描述

例3：
arr3 = np.zeros((3,3))
print(arr3)
print(arr3.shape)

在这里插入图片描述

（7）构造全为8的5*5矩阵
arr4 = np.ones((5,5))*8
print(arr4)
print(arr4.shape)

在这里插入图片描述

（8）构造全为浮点8的5*5矩阵
arr5 = np.ones((5,5),dtype=np.float32)*8
（9）zeros_like生成函数
b = np.array([1,2,3,4])
c = np.zeros_like(b)
print(c)
d = np.ones_like(b)
print(d)

注：zeros_like产生的ndarray的shape和原来的shape一致

（10）构建对角矩阵
e = np.identity(5)

在这里插入图片描述

二、四则运算与random模块

1. 四则运算

（1）multiply与dot
例1：
x = np.array([5, 5])
y = np.array([2, 2])
print('multiply: \n',np.multiply(x,y))
print('dot: \n',np.dot(x,y))

在这里插入图片描述
注：multiply是对应位置相乘，dot是矩阵运算（内积）。因此要求计算时x,y的维度相同

例2：
# 由于x,y维度不一样，dot会报错
x = np.array([5, 5])
x.shape=2,1
y = np.array([2, 2])
print('multiply: \n',np.multiply(x,y))
# print('dot: \n',np.dot(x,y))

在这里插入图片描述

例3：
x = np.array([5, 5])
x.shape=2, 1
y = np.array([2, 2])
y.shape=1, 2
print('multiply: \n',np.multiply(x,y))
print('dot(x,y): \n',np.dot(x,y))
print('dot(y,x): \n',np.dot(y,x))

在这里插入图片描述

（2）*运算
a = np.array([1, 1, 1])
b = np.array([[1, 2, 3],
              [4, 5, 6]])
print('a*b=',a*b)

注：这里自动进行了广播操作，将a的形状reshape成适当的shape

2. random模块

（1）产生10个0~1之间的随机数
np.random.rand(10)
（2）从0~10之间取5*4个整数 && 从0~9之间随机取20个整数
bb = np.random.randint(10, size=(5,4))
print(bb)
cc =  np.random.randint(0, 10, 20)
print(cc)

在这里插入图片描述

（3）只随机产生一个0~1之间的数
np.random.rand()
（4）构造随机序列，使得这个序列满足高斯分布（超参数自己指定）
例1：
miu = 0
sigma = 1
np.random.normal(miu,sigma,10)

在这里插入图片描述

例2：
# 可以人为设定保留小数的精度
np.set_printoptions(precision=2)
miu = 0
sigma = 1
np.random.normal(miu,sigma,10)

在这里插入图片描述

（5）shuffle操作
# 洗牌(每次shuffle的结果是不同的)
ddd = np.arange(10)
print(ddd)
np.random.shuffle(ddd)
print('after shuffle: ',ddd)

在这里插入图片描述
可以通过指定随机数种子来固定shuffle，使得每次shuffle结果相同👇

np.random.seed(1)
np.random.randint(0,10,20)

在这里插入图片描述

三、文件读写与数组保存

（1）建立test_doc.txt并写入两行数据
%%writefile test_doc.txt
1 2 3 4 6
5 8 3 2 9
（2）使用python手撕逐行读取过程
# 使用python逐行读取
data = []
with open('test_doc.txt') as f:
    for content in f:
        tmp = content.split()
        cur_data = [float(x) for x in tmp]
        data.append(cur_data)
data = np.array(data)
print(data)

在这里插入图片描述

（3）使用numpy读取文件更加方便
data1 = np.loadtxt('test_doc.txt')
print(data1)

在这里插入图片描述

（4）指定分隔符

loadtxt默认逗号为分隔符，因此如果文件分隔符为其他，需要在参数中指定

%%writefile test_doc2.txt
1,2,3,4,6
5,8,3,2,9

data2 = np.loadtxt('test_doc2.txt', delimiter = ',')
print(data2)

在这里插入图片描述

（5）对文件删除（某行）
%%writefile test_doc2.txt
x,y,s,f,g
1,2,3,4,6
5,8,3,2,9

# skiprows表示去掉前几行，不是第几行(usecol函数略)
data3 = np.loadtxt('test_doc2.txt', delimiter = ',',skiprows=1)
print(data3)
（6）其他常用参数
# 自己写一个ndarray，保存成txt,指定分隔符，小数点（注意：下面这两个delimiter要一致）
ldk = np.array([[1,2,3],
                [4,5,6]])
np.savetxt('test_doc2.txt',ldk,fmt='%.2f',delimiter=',')
tmp = np.loadtxt('test_doc2.txt',delimiter = ',')
tmp

在这里插入图片描述

（7）npy格式
# 自己写一个ndarray，保存成npy，然后读出来
ldk = np.array([[1,2,3],
                [4,5,6]])
np.save('test1.npy',ldk)
data_content = np.load('test1.npy')
data_content

在这里插入图片描述

（8）npz格式
# 自己写一个ndarray，保存成npz，然后读出来
a = np.array([[1,2,3],
              [4,5,6]])
b = np.arange(5)
np.savez('ldk.npz',cc = a, dd = b)
data = np.load('ldk.npz')
print(data.keys())
print('\n\n\n')
print(data['cc'])
print('\n\n\n')
print(data['dd'])

在这里插入图片描述

# numpy # python # 学习
Logo
GitCode 开源社区

旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。

更多推荐

[转载]在Windows环境下安装GNU Radio

转自：在Windows环境下安装GNURadio_恐弱智_新浪博客GNU Radio是用Python开发的，大部分开源的工程能够在Linux环境下运行良好，而Windows下却运行的很勉强，而且安装配置都很复杂。GNU Radio算是个例外了，不光提供了Windows的二进制安装，还有比较详细的说明。我是Python小白，所以折腾了好久才弄好，特意记录下来，免得以后再装还折腾。GNU Radio的

avatar GitCode 开源社区

centOS 8 使用dnf安装Docker

DNF是什么？CentOS 8使用YUM软件包管理器版本v4.0.4。现在，该版本使用DNF(已删除YUM)。DNF是软件包管理器。它会在Linux发行版上安装，执行更新并删除软件包。使用DNF安装Docker跳过具有损坏依赖性的程序包一个有效的解决方案是使您的CentOS 8系统使用以下--nobest命令安装最符合条件的版本：sudo dnf install docker...

avatar GitCode 开源社区

定时同步数据库表(mysql+linux+crontab)

sync.sh里面的参数需要改变，ip/username/password/database/tablesync.sh#!/bin/sh# Please change the IP and password of the data source db.# Then change the table name.filename=/home/nington/db/$(date +%Y-%m

avatar GitCode 开源社区