13518219792
今天就跟大家聊聊有关NumPy模块怎么在Python3.5中使用，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
1、简介
2、多维数组——ndarray
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
import numpy as np
#1.创建ndarray
#创建一维数组
n1 = np.array([1,2,3,4])
print(n1)
#属性--ndim:维度;dtype:元素类型;shape:数组形状;
# size:数组元素总个数，shape值相乘得到
print("n1维度:",n1.ndim)
print("n1元素类型:",n1.dtype)
print("n1数组形状:",n1.shape)
print("n1数组元素总个数:",n1.size)
#创建二维数组
n2 = np.array([
[1,2,3,4],
[5,6,7,8]
])
print(n2)
print("n2维度:",n2.ndim)
print("n2元素类型:",n2.dtype)
#创建三维数组
n3 = np.array([
[
[1,2,3,4],
[5,6,7,8]
],
[
[10,20,30,40],
[50,60,70,80]
]
])
print(n3)
print("n3数组形状:",n3.shape)
print("n3数组元素总个数:",n3.size)
#2.通过函数创建数组
z = np.zeros((3,2)) #创建指定形状的数组，数值由零填充
print(z)
print(z.dtype)
o = np.ones((2,4)) #创建指定形状的数组，数值由1填充
print(o)
e = np.empty((2,3,2)) #创建指定形状的数组，数值由未初始化的垃圾值填充
print(e)
#3.通过函数计算的方式去创建数组
#一个参数，区间左闭右开，默认起始值为0，步长为1
np1 = np.arange(10)
print(np1)
#两个参数（起始值，终止值），区间左闭右开，默认步长为1
np2 = np.arange(2,10)
print(np2)
#三个参数（起始值，终止值，步长），区间左闭右开，步长为2
np3 = np.arange(2,10,2)
print(np3)
#倒序创建数组元素
np4 = np.arange(10,2,-1)
print(np4)
#全闭区间，参数（起始值，终止值，元素个数）,等差数列
np5 = np.linspace(0,10,5)
print(np5)
#全闭区间，以10为底数参数为指数（起始值，终止值，元素个数），等比数列
np6 = np.logspace(0,2,5)
print(np6)
#生成随机数的数组
np7 = np.random.random((2,3))
print(np7)运行结果：
[1 2 3 4]
n1维度: 1
n1元素类型: int32
n1数组形状: (4,)
n1数组元素总个数: 4
[[1 2 3 4]
[5 6 7 8]]
n2维度: 2
n2元素类型: int32
[[[ 1 2 3 4]
[ 5 6 7 8]][[10 20 30 40]
[50 60 70 80]]]
n3数组形状: (2, 2, 4)
n3数组元素总个数: 16
[[ 0. 0.]
[ 0. 0.]
[ 0. 0.]]
float64
[[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]]
[[[ 1.02548961e-305 5.40165714e-067]
[ 1.05952696e-153 9.69380992e+141]
[ 2.17151199e+214 4.34975848e-114]][[ 2.08064175e-115 1.91431714e+227]
[ 6.42897811e-109 1.26088822e+232]
[ 9.51634286e-114 5.45764552e-306]]]
[0 1 2 3 4 5 6 7 8 9]
[2 3 4 5 6 7 8 9]
[2 4 6 8]
[10 9 8 7 6 5 4 3]
[ 0. 2.5 5. 7.5 10. ]
[ 1. 3.16227766 10. 31.6227766 100. ]
[[ 0.55980469 0.99477652 0.82310732]
[ 0.97239333 0.1409895 0.57213264]]
#修改ndarray形状 np8 = np.arange(0,20,2) print(np8) print(np8.size) np9 = np8.reshape(2,5) print(np9) print(np9.size) #reshape函数是对被修改数组的一个拷贝，共享同一内存， # 修改其中一个数组会影响里一个 np9[1][2] = 50 print(np8) print(np9) # -1表示第二维自动根据元素个数计算 np10 = np8.reshape(5,-1) print(np10) #shape直接修改原来数组的形状 np8.shape=(2,-1) print(np8)
运行结果：
[ 0 2 4 6 8 10 12 14 16 18]
10
[[ 0 2 4 6 8]
[10 12 14 16 18]]
10
[ 0 2 4 6 8 10 12 50 16 18]
[[ 0 2 4 6 8]
[10 12 50 16 18]]
[[ 0 2]
[ 4 6]
[ 8 10]
[12 50]
[16 18]]
[[ 0 2 4 6 8]
[10 12 50 16 18]]
Numpy基本操作说明
看完上述内容，你们对NumPy模块怎么在Python3.5中使用有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注创新互联成都网站设计公司行业资讯频道，感谢大家的支持。
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
