本篇文章給大家分享的是有關(guān)ndarray方法怎么在numpy中使用，小編覺(jué)得挺實(shí)用的，因此分享給大家學(xué)習(xí)，希望大家閱讀完這篇文章后可以有所收獲，話不多說(shuō)，跟著小編一起來(lái)看看吧。
NumPy數(shù)組的維數(shù)稱為秩（rank），一維數(shù)組的秩為1，二維數(shù)組的秩為2，以此類推。在NumPy中，每一個(gè)線性的數(shù)組稱為是一個(gè)軸（axes），秩其實(shí)是描述軸的數(shù)量。比如說(shuō)，二維數(shù)組相當(dāng)于是一個(gè)一維數(shù)組，而這個(gè)一維數(shù)組中每個(gè)元素又是一個(gè)一維數(shù)組。所以這個(gè)一維數(shù)組就是NumPy中的軸（axes），而軸的數(shù)量——秩，就是數(shù)組的維數(shù)。
Numpy庫(kù)中的矩陣模塊為ndarray對(duì)象，有很多屬性：T，data, dtype,flags,flat,imag,real,size,
itemsize,nbytes,ndim,shape,strides,ctypes,base等等。
>>> import numpy as np >>> x=np.array([[1,2,3],[9,8,7],[6,5,4]]) >>> x.T #獲得x的轉(zhuǎn)置矩陣 array([[1, 9, 6], [2, 8, 5], [3, 7, 4]]) >>> print x.flags #返回?cái)?shù)組內(nèi)部的信息 C_CONTIGUOUS : True F_CONTIGUOUS : False OWNDATA : True WRITEABLE : True ALIGNED : True UPDATEIFCOPY : False >>> x.flat[2:6] #將數(shù)組變?yōu)?維數(shù)組，并獲取其中的一部分?jǐn)?shù)據(jù) array([3, 9, 8, 7]) >>> x.flat = 4; x #將值賦給1維數(shù)組，再轉(zhuǎn)化成有原有數(shù)組的大小形式 array([[4, 4, 4], [4, 4, 4], [4, 4, 4]]) >>> x array([[4, 4, 4], [4, 4, 4], [4, 4, 4]])
ndarray.imag # 為復(fù)變函數(shù)中含有虛部的數(shù)組，如下：
>>> x = np.sqrt([2+3j, 5+0j]) # 創(chuàng)建一個(gè)復(fù)數(shù) >>> x array([ 1.67414923+0.89597748j, 2.23606798+0.j ]) >>> x.imag #獲得復(fù)數(shù)的虛部 array([ 0.89597748, 0. ]) >>> x.real #獲得復(fù)數(shù)的實(shí)部 array([ 1.67414923, 2.23606798]) >>> x=np.arange(10) #隨機(jī)生成一個(gè)數(shù)組，并重新命名一個(gè)空間的數(shù)組 >>> x.reshape(2,5) array([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]]) >>> x.size #獲得數(shù)組中元素的個(gè)數(shù) 10 >>> x.ndim #獲得數(shù)組的維數(shù) >>> x.shape #獲得數(shù)組的（行數(shù)，列數(shù)） (10,) >>> y=x.reshape(5,2) >>> y array([[0, 1], [2, 3], [4, 5], [6, 7], [8, 9]]) >>> y.base #獲得該數(shù)組基于另外一個(gè)對(duì)象數(shù)組而來(lái)，如下，y是根據(jù)x而來(lái) array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
Ndarray對(duì)象的方法
ndarray.ptp(axis=None, out=None) : 返回?cái)?shù)組的大值—最小值或者某軸的大值—最小值
ndarray.clip(a_min, a_max, out=None) : 小于最小值的元素賦值為最小值，大于大值的元素變?yōu)榇笾怠?/p>
ndarray.all()：如果所有元素都為真，那么返回真；否則返回假
ndarray.any()：只要有一個(gè)元素為真則返回真
ndarray.swapaxes(axis1, axis2) : 交換兩個(gè)軸的元素，如下
>>> z.swapaxes(0,1) array([[2, 4, 6, 8], [3, 5, 7, 9]])
下面為改變數(shù)組維度和大小的方法：
ndarray.reshape(shape[, order]) :返回重命名數(shù)組大小后的數(shù)組，不改變?cè)貍€(gè)數(shù).
ndarray.resize(new_shape[, refcheck]) :改變數(shù)組的大?。梢愿淖償?shù)組中元素個(gè)數(shù)）.
ndarray.transpose(*axes) :返回矩陣的轉(zhuǎn)置矩陣
ndarray.swapaxes(axis1, axis2) : 交換兩個(gè)軸的元素后的矩陣.
ndarray.flatten([order]) : 復(fù)制一個(gè)一維的array出來(lái).
ndarray.ravel([order]) :返回為展平后的一維數(shù)組.
ndarray.squeeze([axis]) :移除長(zhǎng)度為1的軸。
ndarray.tolist():將數(shù)組轉(zhuǎn)化為列表
ndarray.take(indices, axis=None, out=None, mode='raise'):獲得數(shù)組的指定索引的數(shù)據(jù)，如：
>>> a=np.arange(12).reshape(3,4) >>> a array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) >>> a.take([1,3],axis=1) #提取1，3列的數(shù)據(jù) array([[ 1, 3], [ 5, 7], [ 9, 11]])
numpy.put(a, ind, v, mode='raise')：用v的值替換數(shù)組a中的ind（索引）的值。Mode可以為raise/wrap/clip。Clip：如果給定的ind超過(guò)了數(shù)組的大小，那么替換最后一個(gè)元素。
numpy.repeat(a, repeats, axis=None)：重復(fù)數(shù)組的元素，如： >>> x = np.array([[1,2],[3,4]]) >>> np.repeat(x, 2) array([1, 1, 2, 2, 3, 3, 4, 4]) >>> np.repeat(x, 3, axis=1) array([[1, 1, 1, 2, 2, 2], [3, 3, 3, 4, 4, 4]]) >>> np.repeat(x, [1, 2], axis=0) array([[1, 2], [3, 4], [3, 4]])
numpy.tile(A, reps)：根據(jù)給定的reps重復(fù)數(shù)組A，和repeat不同，repeat是重復(fù)元素，該方法是重復(fù)數(shù)組。
ndarray.var(axis=None, dtype=None, out=None, ddof=0)：返回?cái)?shù)組的方差，沿指定的軸。
ndarray.std(axis=None, dtype=None, out=None, ddof=0)：沿給定的軸返回?cái)?shù)則的標(biāo)準(zhǔn)差
ndarray.prod(axis=None, dtype=None, out=None)：返回指定軸的所有元素乘機(jī)
ndarray.cumprod(axis=None, dtype=None, out=None)：返回指定軸的累積，如下：
>>> a array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) >>> a.cumprod(axis=1) #得到豎軸的累積 array([[ 0, 0, 0, 0], [ 4, 20, 120, 840], [ 8, 72, 720, 7920]])
ndarray.mean(axis=None, dtype=None, out=None)：返回指定軸的數(shù)組元素均值
ndarray.cumsum(axis=None, dtype=None, out=None)：返回指定軸的元素累計(jì)和。如：
>>> a array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) >>> a.cumsum(axis=1) array([[ 0, 1, 3, 6], [ 4, 9, 15, 22], [ 8, 17, 27, 38]])
ndarray.sum(axis=None, dtype=None, out=None)：返回指定軸所有元素的和
ndarray.trace(offset=0, axis1=0, axis2=1, dtype=None, out=None)：返回沿對(duì)角線的數(shù)組元素之和
ndarray.round(decimals=0, out=None)：將數(shù)組中的元素按指定的精度進(jìn)行四舍五入，如下：
>>> np.around([0.37, 1.64]) array([ 0., 2.]) >>> np.around([0.37, 1.64], decimals=1) array([ 0.4, 1.6]) >>> np.around([.5, 1.5, 2.5, 3.5, 4.5]) # rounds to nearest even value array([ 0., 2., 2., 4., 4.]) >>> np.around([1,2,3,11], decimals=1) # ndarray of ints is returned array([ 1, 2, 3, 11]) >>> np.around([1,2,3,11], decimals=-1) array([ 0, 0, 0, 10])
ndarray.conj()：返回所有復(fù)數(shù)元素的共軛復(fù)數(shù),如：
>>> b=np.array([[1+2j,3+0j],[3+4j,7+5j]]) >>> b array([[ 1.+2.j, 3.+0.j], [ 3.+4.j, 7.+5.j]]) >>> b.conj() array([[ 1.-2.j, 3.-0.j], [ 3.-4.j, 7.-5.j]])
ndarray.argmin(axis=None, out=None):返回指定軸最小元素的索引。
ndarray.min(axis=None, out=None)：返回指定軸的最小值
ndarray.argmax(axis=None, out=None)：返回指定軸的大元素索引值
ndarray.diagonal(offset=0, axis1=0, axis2=1)：返回對(duì)角線的所有元素。
ndarray.compress(condition, axis=None, out=None)：返回指定軸上條件下的切片。
ndarray.nonzero()：返回非零元素的索引
以上就是ndarray方法怎么在numpy中使用，小編相信有部分知識(shí)點(diǎn)可能是我們?nèi)粘９ぷ鲿?huì)見(jiàn)到或用到的。希望你能通過(guò)這篇文章學(xué)到更多知識(shí)。更多詳情敬請(qǐng)關(guān)注創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計(jì)公司行業(yè)資訊頻道。
另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無(wú)理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場(chǎng)景需求。
重慶分公司
重慶分公司
