小男孩‘自慰网亚洲一区二区,亚洲一级在线播放毛片,亚洲中文字幕av每天更新,黄aⅴ永久免费无码,91成人午夜在线精品,色网站免费在线观看,亚洲欧洲wwwww在线观看

搜索
分享

Python基礎(chǔ)數(shù)據(jù)處理庫(kù)

 powerbaby 2016-02-17

NumPy是Python做數(shù)據(jù)處理的底層庫(kù)，是高性能科學(xué)計(jì)算和數(shù)據(jù)分析的基礎(chǔ)，比如著名的Python機(jī)器學(xué)習(xí)庫(kù)SKlearn就需要NumPy的支持。掌握NumPy的基礎(chǔ)數(shù)據(jù)處理能力是利用Python做數(shù)據(jù)運(yùn)算及機(jī)器學(xué)習(xí)的基礎(chǔ)。

  • NumPy（或簡(jiǎn)稱NP）的主要功能特性如下：
  • 具有數(shù)組（ndarray）能力，這是一個(gè)具有矢量算術(shù)運(yùn)算和復(fù)雜廣播的快速且節(jié)省空間的多維數(shù)組。
  • 用于對(duì)整租數(shù)據(jù)進(jìn)行快速運(yùn)算的標(biāo)準(zhǔn)數(shù)學(xué)函數(shù)（代替循環(huán)實(shí)現(xiàn)）。
  • 可用于讀寫數(shù)據(jù)以及操作內(nèi)存映射文件。
  • 具有線性代數(shù)、隨機(jī)數(shù)生成以及傅里葉交換功能。
  • 可集成C、C++、Fortran等語(yǔ)言，提供了簡(jiǎn)單易用的C API，很容易將數(shù)據(jù)傳遞給低級(jí)語(yǔ)言編寫的外部庫(kù)，也能以NumPy數(shù)組的形式將數(shù)據(jù)返回給Python。

NumPy本身沒(méi)有多么高級(jí)的數(shù)據(jù)分析能力，但理解NumPy數(shù)組以及面向數(shù)組的操作會(huì)有利于理解之后講到的Pandas（Python的另一個(gè)數(shù)據(jù)分析庫(kù)），也有助于自己利用Python編寫機(jī)器學(xué)習(xí)或深度學(xué)習(xí)算法，甚至也是日后應(yīng)用Sklearn的基礎(chǔ)。

對(duì)于NumPy而言，它的實(shí)際應(yīng)用會(huì)側(cè)重于以下幾點(diǎn)：

  • 數(shù)據(jù)讀取或生成，盡管它本身這方面的能力不強(qiáng)，但偶爾也可以使用。
  • 數(shù)據(jù)合并、清洗、過(guò)濾、轉(zhuǎn)換等數(shù)組操作。
  • 常用的數(shù)組算法應(yīng)用，例如排序、唯一化、集合運(yùn)算等。
  • 數(shù)據(jù)描述性統(tǒng)計(jì)以及數(shù)據(jù)聚合或摘要運(yùn)算。
  • 用于易購(gòu)數(shù)據(jù)的合并、連接運(yùn)算的數(shù)據(jù)對(duì)齊和關(guān)系型數(shù)據(jù)運(yùn)算。
  • 利用數(shù)組表達(dá)式代替條件邏輯表達(dá)式（if-else）。

NumPy基礎(chǔ)

NumPy操作的對(duì)象是N維數(shù)組，稱為ndarray，大多數(shù)情況下都叫做數(shù)組。我們先來(lái)看一個(gè)N維數(shù)組：

  1. >>> import NumPy as np
  2. >>> data = np.arange(15).reshape(3, 5)
  3. >>> print (data)
  4. [[ 0, 1, 2, 3, 4],
  5.  [ 5, 6, 7, 8, 9],
  6.  [10, 11, 12, 13, 14]]

 

先忽略上面的代碼語(yǔ)法，我們只看data，它就是一個(gè)3行5列的數(shù)組對(duì)象。既然是對(duì)象，一定有屬性，NumPy中數(shù)組的屬性常用屬性如下：

ndarray.ndim。數(shù)組軸的個(gè)數(shù)，在python的世界中，軸的個(gè)數(shù)被稱作秩。如上面我們構(gòu)建的數(shù)組data的軸的個(gè)數(shù)為2。軸的概念和平面圖形里面的X軸、Y軸是一個(gè)概念，2個(gè)軸代表該數(shù)組是二維數(shù)據(jù)。

  1. >>> print (data.ndim)
  2. 2

 

ndarray.shape。數(shù)組的矩陣形狀。這是一個(gè)指示數(shù)組在每個(gè)維度上大小的整數(shù)元組。如上面的data數(shù)組，每個(gè)軸的矩陣形狀都是3行5列。

  1. >>> print (data.shape)
  2. (3, 5)

 

ndarray.size。數(shù)組元素的總個(gè)數(shù)，等于shape屬性中元組元素的乘積。如上面的data數(shù)組中元素的總個(gè)數(shù)為15。

  1. >>> print (data.size)
  2. 15

 

ndarray.dtype。一個(gè)用來(lái)描述數(shù)組中元素類型的對(duì)象，可以通過(guò)創(chuàng)造或指定dtype使用標(biāo)準(zhǔn)Python類型。另外NumPy提供它自己的數(shù)據(jù)類型。如上面的data數(shù)組的對(duì)象類型為int32.

  1. >>> print (data.dtype)
  2. int32

 

除此以外，數(shù)組ndarray還有其他屬性，例如用于表示每個(gè)元素字節(jié)數(shù)的itemsize，白哦是實(shí)際數(shù)組緩沖區(qū)的data屬性等，但這些都應(yīng)用不多。

NumPy的數(shù)據(jù)類型。不要為了記憶NumPy的dtypes而煩惱，尤其當(dāng)你是一個(gè)新用戶。通常只需要關(guān)心普通的數(shù)據(jù)類型即可（浮點(diǎn)、復(fù)數(shù)、整形、布爾型、字符串）。 當(dāng)你需要更多的控制數(shù)據(jù)如何存儲(chǔ)到內(nèi)存和磁盤，特別是大的數(shù)據(jù)集時(shí)，知道你所控制的存儲(chǔ)類型是很有必要的。

ndarray的數(shù)據(jù)類型語(yǔ)法為：

  1. #指定數(shù)組類型為int16
  2. >>> int16_arr = np.array( [1, 2, 3], dtype = np.int16)
  3. >>> print int16_arr
  4. [1, 2, 3]
  6. #指定數(shù)組類型為float64
  7. >>> float64_arr = np.array( [1, 2, 3], dtype = np.float64)
  8. >>> print float64_arr
  9. [ 1. , 2. , 3. ]

 

完整的ndarray類型列表如下：

類型 類型碼 描述
int8, uint8 i1, u1 有符號(hào)和無(wú)符號(hào)8位（1字節(jié)）整數(shù)類型
int16, uint16 i2, u2 有符號(hào)和無(wú)符號(hào)16位整數(shù)類型
int32, uint32 i4, u4 有符號(hào)和無(wú)符號(hào)32位整數(shù)類型
int64, uint64 i8, u8 有符號(hào)和無(wú)符號(hào)64位整數(shù)類型
float16 f2 半精度浮點(diǎn)類型
float32 f4 or f 標(biāo)準(zhǔn)精度浮點(diǎn)。與C的 float 兼容
float64, float128 f8 or d 標(biāo)準(zhǔn)雙精度浮點(diǎn)。與C的 double 和Python 的 folat 對(duì)象兼容
float128 f16 or g 擴(kuò)展精度浮點(diǎn)
complex64, complex128, complex256 c8, c16, c32 分別使用兩個(gè)32，64，128位浮點(diǎn)表示的復(fù)數(shù)
bool ? 布爾值，存儲(chǔ) True 和 False
object O Python對(duì)象類型
string_ S 定長(zhǎng)字符竄類型（每字符一字節(jié)）。例如，為了生成長(zhǎng)度為10的字符竄，使用 ‘S10’
unicode_ f16 or g 擴(kuò)展精度浮點(diǎn)（字節(jié)書依賴平臺(tái)）。同 string_ 有相同的語(yǔ)義規(guī)范（例如：U10 ）

導(dǎo)入NumPy庫(kù)

首先確保你已經(jīng)安裝了NumPy，如果尚未安裝請(qǐng)參考 NumPy下載安裝指南。導(dǎo)入NumPy到Python中。

  1. >>> import NumPy as np
  2. >>> from NumPy import *

 

這兩種方式都可以導(dǎo)入NumPy到python中使用，建議讀者使用第一種以養(yǎng)成良好的代碼習(xí)慣。本文默認(rèn)的都以第一種作為引用規(guī)則。

創(chuàng)建NumPy數(shù)組

創(chuàng)建NumPy數(shù)組有幾種形式。

第一種，假如已經(jīng)有了數(shù)組表達(dá)式或值，這通常來(lái)源于前期數(shù)據(jù)導(dǎo)入代碼或者其他庫(kù)，在這里只需要將其轉(zhuǎn)換成NumPy數(shù)組即可。如下列代碼，a為列表，通過(guò)np.array()將其轉(zhuǎn)換為NumPy的ndarray類型。

  1. >>> a = [[1,2,3],[4,5,6]
  2. >>> a2 = np.array(a)
  3. >>> print (type(a2))
  4. NumPy.ndarray

 

注意：

  1. array函數(shù)支持Python創(chuàng)建的列表和元素。
  2. array()內(nèi)的值一定是元素或列表，而不能是其他值。
  3. array()轉(zhuǎn)換后的對(duì)象類型會(huì)根據(jù)默認(rèn)為實(shí)際可用值，也可手動(dòng)指定。

當(dāng)然，很多場(chǎng)景下被轉(zhuǎn)換的變量可能不是上述“現(xiàn)成” 的矩陣，這時(shí)候需要我們“手動(dòng)”進(jìn)行轉(zhuǎn)換。如下列代碼，原始被轉(zhuǎn)換的變量是一個(gè)1行15列的數(shù)組，這時(shí)候我們需要根據(jù)實(shí)際需求將其轉(zhuǎn)換為3行5列的數(shù)組，通過(guò)reshape函數(shù)即可實(shí)現(xiàn)。

  1. >>> import NumPy as np
  2. >>> a3 = np.arange(15).reshape(3, 5)
  3. >>> print a3
  4. [[ 0, 1, 2, 3, 4],
  5.  [ 5, 6, 7, 8, 9],
  6.  [10, 11, 12, 13, 14]]

 

第二種，某些時(shí)候數(shù)組里面的值可能是未知的，但矩陣的大小其實(shí)是已經(jīng)確定的，比如我們了解到接下來(lái)的運(yùn)算中需要一個(gè)3行4列的矩陣，那么就可以利用NumPy創(chuàng)建矩陣。當(dāng)然，矩陣的值可能為空，也可以是某些特定值，這取決于創(chuàng)建的方法。

方法一：使用zeros創(chuàng)建全為0的矩陣。如下代碼創(chuàng)建了一個(gè)3行4列且值全為0的二維矩陣。

  1. >>> a4 = np.zeros((3,4))
  2. >>> print a4
  3. [[0., 0., 0., 0.],
  4.  [0., 0., 0., 0.],
  5.  [0., 0., 0., 0.]]

 

方法二：使用ones創(chuàng)建全為1的矩陣。如下代碼創(chuàng)建了一個(gè)三維，每個(gè)維都是3行4列的矩陣。

  1. >>> a5 = np.ones((3,4))
  2. >>> print a5
  3. [[[ 1, 1, 1, 1],
  4.   [ 1, 1, 1, 1],
  5.   [ 1, 1, 1, 1]],
  6.  [[ 1, 1, 1, 1],
  7.   [ 1, 1, 1, 1],
  8.   [ 1, 1, 1, 1]]]

 

方法三：使用empty創(chuàng)建一個(gè)內(nèi)容隨機(jī)并且依賴與內(nèi)存狀態(tài)的數(shù)組。如下代碼創(chuàng)建了一個(gè)2行3列的矩陣，但值為隨機(jī)產(chǎn)生。這種創(chuàng)建方法一般很少使用。

  1. >>> a6 = np.ones((2,3))
  2. >>> print a6
  3. [[ 3.73603959e-262, 6.02658058e-154, 6.55490914e-260],
  4.  [ 5.30498948e-313, 3.14673309e-307, 1.00000000e+000]]

 

默認(rèn)情況下，創(chuàng)建的矩陣對(duì)象類型是float64，也可以通過(guò)dtype創(chuàng)建時(shí)指定對(duì)象類型。

方法四：使用arange或者linspace創(chuàng)建一個(gè)新的數(shù)值序列數(shù)組。

  1. #使用arange創(chuàng)建從10到30，步長(zhǎng)為5的數(shù)值序列，其中開(kāi)始數(shù)值10以及步長(zhǎng)5都是可選設(shè)置
  2. >>> a7 = np.arange( 10, 30, 5 )
  3. >>> print a7
  4. [10, 15, 20, 25]
  6. #使用linspace創(chuàng)建從0到2，一共9個(gè)數(shù)值的序列
  7. >>> a8 = np.linspace( 0, 2, 9 )
  8. >>> print a8
  9. [ 0. , 0.25, 0.5 , 0.75, 1. , 1.25, 1.5 , 1.75, 2. ]

 

arange函數(shù)和linspace都可以創(chuàng)建固定起止數(shù)值的數(shù)組，但二者的區(qū)別在于arange通過(guò)控制步長(zhǎng)確定數(shù)組個(gè)數(shù)，而linspace直接設(shè)置個(gè)數(shù)（而自動(dòng)設(shè)置步長(zhǎng)）。

以上時(shí)常用創(chuàng)建數(shù)組的方法，更多細(xì)節(jié)函數(shù)請(qǐng)見(jiàn)：array, zeros, zeros_like, ones, ones_like, empty, empty_like, arange, linspace, rand, randn, fromfunction, fromfile

簡(jiǎn)單的NumPy數(shù)組運(yùn)算

數(shù)組間簡(jiǎn)單運(yùn)算

  1. >>> arr1 = np.array([[1., 2., 3.], [4., 5., 6.]])
  2. >>> arr2 = np.array([[2., 3., 4.], [5., 6., 7.]])
  3. #數(shù)組加法
  4. >>> print arr1 + arr2
  5. [[3, 5, 7],
  6.  [9, 11, 13]]
  7. #數(shù)組減法
  8. >>> print arr1 – arr2
  9. [[-1, -1, -1],
  10.  [-1, -1, -1]]
  11. #數(shù)組乘法
  12. >>> print arr1 * arr2
  13. [[2, 6, 12],
  14.  [20, 30, 42]]
  15. #數(shù)組除法
  16. >>> print arr1 / arr2
  17. [[0.5, 0.6667, 0.75],
  18.  [0.8, 0.8333, 0.8571]]

 

數(shù)組與數(shù)值運(yùn)算

數(shù)組與數(shù)值運(yùn)算的基本方法與數(shù)組間運(yùn)算語(yǔ)法相同，在此只舉一個(gè)例子，其余參加數(shù)組間語(yǔ)法。

  1. >>> arr1 = np.array([[1., 2., 3.], [4., 5., 6.]])
  2. #數(shù)組與數(shù)值加法
  3. >>> print (arr1 + 2)
  4. [[3 , 4, 5],
  5.  [6 , 7, 8]]
  6. #數(shù)組與數(shù)值減法
  7. >>> print (arr1 – 2)
  8. [[-1, 0, 1],
  9.  [2, 3, 4]]
  10. #數(shù)組與數(shù)值乘法
  11. >>> print (arr1 * 2)
  12. [[2, 4, 6],
  13.  [8, 10, 12]]
  14. #數(shù)組與數(shù)值除法
  15. >>> print (arr1 / 2)
  16. [[0.5, 1, 1.5],
  17.  [2, 2.5, 3]

 

注意：數(shù)組與數(shù)值間的運(yùn)算不僅可以有整數(shù)，小數(shù)也可以有。那么問(wèn)題來(lái)了，如果是arr1 * 0.5結(jié)果會(huì)是什么呢？會(huì)有什么規(guī)律？這個(gè)交給大家來(lái)發(fā)掘吧。（提示：將結(jié)果對(duì)照上述的四則運(yùn)算）

數(shù)組函數(shù)運(yùn)算

通用函數(shù)( 又稱ufunc)是一個(gè)在ndarrays的數(shù)據(jù)上進(jìn)行基于元素的操作的函數(shù)。NumPy提供常見(jiàn)的數(shù)學(xué)函數(shù)如sin、cos和exp，也提供簡(jiǎn)單的統(tǒng)計(jì)函數(shù)如mean, std, vary等。實(shí)際上，之前我們已經(jīng)在使用一些通用函數(shù)了，例如生成有序序列的arange、生成全為1的zeros函數(shù)等。 這部分重點(diǎn)介紹的是NumnPy的常用來(lái)做計(jì)算的函數(shù)。

  1. >>> arr = np.arange(4)
  2. >>> print arr
  3. [0, 1, 2, 3]
  4. #求arr的絕對(duì)值
  5. >>> print np.abs(arr)
  6. [0, 1, 2, 3]
  7. #求arr的平方根
  8. >>> print np.sqrt(arr)
  9. [0, 1, 1.414, 1.732]
  10. #求arr的平方
  11. >>> print np.square(arr)
  12. [0, 1, 4, 9]
  13. #求arr的指數(shù)
  14. >>> print np.exp(arr)
  15. [1, 2.728, 7.389, 20.086]
  16. #求arr以e為底的對(duì)數(shù)
  17. >>> print np.log(arr)
  18. [-inf, 0, 0.693, 1.099]
  19. #求arr每個(gè)元素的正負(fù)號(hào)
  20. >>> print np.sign(arr)
  21. [0, 1, 1, 1]
  22. #求arr每個(gè)元素的cos值
  23. >>> print np.cos(arr)
  24. [1, 0.540, -0.416, -0.990]

 

以下提供了相對(duì)完整的常用數(shù)組運(yùn)算函數(shù)的列表。更多細(xì)節(jié)，請(qǐng)?jiān)L問(wèn)NumPy Example List了解更多信息。

 

函數(shù) 描述
abs, fabs 計(jì)算基于元素的整形，浮點(diǎn)或復(fù)數(shù)的絕對(duì)值。fabs對(duì)于沒(méi)有復(fù)數(shù)數(shù)據(jù)的快速版本
sqrt 計(jì)算每個(gè)元素的平方根。等價(jià)于 arr ** 0.5
square 計(jì)算每個(gè)元素的平方。等價(jià)于 arr ** 2
exp 計(jì)算每個(gè)元素的指數(shù)。
log, log10, log2, log1p 自然對(duì)數(shù)（基于e），基于10的對(duì)數(shù)，基于2的對(duì)數(shù)和 log(1 + x)
sign 計(jì)算每個(gè)元素的符號(hào)：1(positive)，0(zero)， -1(negative)
ceil 計(jì)算每個(gè)元素的天花板，即大于或等于每個(gè)元素的最小值
floor 計(jì)算每個(gè)元素的地板，即小于或等于每個(gè)元素的最大值
rint 圓整每個(gè)元素到最近的整數(shù)，保留dtype
modf 分別返回分?jǐn)?shù)和整數(shù)部分的數(shù)組
isnan 返回布爾數(shù)組標(biāo)識(shí)哪些元素是 NaN （不是一個(gè)數(shù)）
isfinite, isinf 分別返回布爾數(shù)組標(biāo)識(shí)哪些元素是有限的（non-inf, non-NaN）或無(wú)限的
cos, cosh, sin sinh, tan, tanh regular 和 hyperbolic 三角函數(shù)
arccos, arccosh, arcsin, arcsinh, arctan, arctanh 反三角函數(shù)
logical_not 計(jì)算基于元素的非x的真值。等價(jià)于 -arr

 

數(shù)組統(tǒng)計(jì)運(yùn)算

數(shù)據(jù)統(tǒng)計(jì)是Python做數(shù)據(jù)分析的重要步驟，NumPy提供了常用的求和、均值、方差、標(biāo)準(zhǔn)差、最大最小值、累積等函數(shù)。以下以sum求和函數(shù)為例解釋使用方法，其余函數(shù)用法類似。

  1. >>> arr = np.arange(6).reshape(2,3)
  2. >>> print arr
  3. [[0, 1, 2],
  4.  [3, 4, 5]]
  5. #求arr的全部（行和列）的總和
  6. >>> print np.sum(arr)
  7. 15
  8. #大多數(shù)情況下，我們會(huì)指定求某列或某行的和
  9. #求基于列的和
  10. >>> print np.sum(arr, axis = 1)
  11. [3, 12]
  12. #求基于行的和
  13. >>> print np.sum(arr, axis = 0)
  14. [3, 5, 7]

 

以下列表是常用的NumPy的統(tǒng)計(jì)函數(shù)。更多細(xì)節(jié)，請(qǐng)?jiān)L問(wèn)NumPy Example List了解更多信息。

sum 對(duì)數(shù)組的所有或一個(gè)軸向上的元素求和。零長(zhǎng)度的數(shù)組的和為靈。
mean 算術(shù)平均值。靈長(zhǎng)度的數(shù)組的均值為NaN。
std, var 標(biāo)準(zhǔn)差和方差，有可選的調(diào)整自由度（默認(rèn)值為n）。
min, max 最大值和最小值
argmin, argmax 索引最小和最大元素。
cumsum 從0元素開(kāi)始的累計(jì)和。
cumprod 從1元素開(kāi)始的累計(jì)乘。

注意：本部分是使用Python做機(jī)器學(xué)習(xí)等場(chǎng)景下經(jīng)常使用的函數(shù)，每個(gè)函數(shù)的用法都需要牢記。

NumPy數(shù)組預(yù)處理

數(shù)據(jù)預(yù)處理是在進(jìn)行數(shù)據(jù)挖掘、探索、學(xué)習(xí)之前的必要步驟，NumPy提供了較多的數(shù)據(jù)預(yù)處理功能。例如轉(zhuǎn)置、索引、切片、數(shù)組間函數(shù)處理、邏輯條件表達(dá)式、排序、集合等。

NumPy數(shù)組轉(zhuǎn)置

數(shù)組轉(zhuǎn)置是將數(shù)據(jù)進(jìn)行矩陣“對(duì)換”的一種方式，NunPy提供了transpose函數(shù)和.T屬性兩種是實(shí)現(xiàn)形式。

  1. #一維數(shù)組轉(zhuǎn)置
  2. >>> arr = np.arange(6)
  3. >>> print arr
  4. [0, 1, 2, 3, 4, 5]
  5. >>> print np.transpose(arr)
  6. [0, 1, 2, 3, 4, 5]#一維還是一維…
  7. #二維數(shù)組轉(zhuǎn)置
  8. >>> arr = np.arange(6).reshape((2,3))
  9. >>> print arr
  10. [[0, 1, 2],
  11.  [3, 4, 5]]
  12. >>> print np.transpose(arr)
  13. [[0,3],
  14.  [1,4],
  15.  [3,5]]
  16. #三維數(shù)組的轉(zhuǎn)置
  17. >>> arr = np.arange(24).reshape((2,3,4))
  18. >>> print arr
  19. [[[ 0, 1, 2, 3],
  20.    [ 4, 5, 6, 7],
  21.    [ 8, 9, 10, 11]],
  22.   [[ 12, 13, 14, 15],
  23.    [ 16, 17, 18, 19],
  24.    [ 20, 21, 22, 23]]]
  25. >>> print np.transpose(arr)
  26. [[[0, 12],
  27.   [4, 16],
  28.   [8, 20]],
  29.  [[1, 13],
  30.   [5, 17],
  31.   [9, 21]],
  32.  [[2, 14],
  33.   [6, 18],
  34.   [10, 22]],
  35.  [[3, 15],
  36.   [7, 19],
  37.   [11, 23]]]
  38. #當(dāng)數(shù)組>=三維之后，我們可能希望按照特定規(guī)則來(lái)轉(zhuǎn)置，transpose 可以接受用于指定轉(zhuǎn)置的坐標(biāo)軸號(hào)碼的元組
  39. >>> print np.transpose(arr, (1,0,2))
  40. [[[ 0, 1, 2, 3],
  41.   [ 12, 13, 14, 15]],
  42.  [[ 4, 5, 6, 7],
  43.   [ 16, 17, 18, 19]],
  44.  [[ 8, 9, 10, 11],
  45.   [ 20, 21, 22, 23]]]

 

對(duì)于是否指定轉(zhuǎn)化規(guī)則，具體來(lái)看三維的變化：原始數(shù)據(jù)的“三維”是(2,3,4)，不指定轉(zhuǎn)換規(guī)則后的“三維”是(4,3,2)，而指定規(guī)則后的三維則是按照我們指定的規(guī)則，將其一維和二維進(jìn)行調(diào)換。

  1. #原始三維數(shù)據(jù)規(guī)則
  2. >>> print (arr.shape)
  3. (2, 3, 4)
  4. #不指定轉(zhuǎn)換規(guī)則
  5. >>> print (np.transpose(arr).shape)
  6. (4, 3, 2)
  7. #指定轉(zhuǎn)換規(guī)則
  8. >>> print (np.transpose(arr,(1, 0, 2)).shape)
  9. (3, 2, 4)

 

ndarray的T屬性，用法則比較簡(jiǎn)單，只需要在數(shù)組后跟.T即可。.T屬性實(shí)際是轉(zhuǎn)置里面的特殊情況，即不指定轉(zhuǎn)置規(guī)則的默認(rèn)規(guī)則。

  1. #一維數(shù)組轉(zhuǎn)置
  2. >>> arr = np.arange(6)
  3. >>> print arr
  4. [0, 1, 2, 3, 4, 5]
  5. >>> print arr.T
  6. [0, 1, 2, 3, 4, 5]#一維還是一維…
  7. #二維數(shù)組轉(zhuǎn)置
  8. >>> arr = np.arange(6).reshape((2,3))
  9. >>> print arr
  10. [[0, 1, 2],
  11.  [3, 4, 5]]
  12. >>> print arr.T
  13. [[0,3],
  14.  [1,4],
  15.  [3,5]]
  16. #三維數(shù)組的轉(zhuǎn)置
  17. >>> arr = np.arange(24).reshape((2,3,4))
  18. >>> print arr
  19. [[[ 0, 1, 2, 3],
  20.    [ 4, 5, 6, 7],
  21.    [ 8, 9, 10, 11]],
  22.   [[ 12, 13, 14, 15],
  23.    [ 16, 17, 18, 19],
  24.    [ 20, 21, 22, 23]]]
  25. >>> print arr.T
  26. [[[0, 12],
  27.   [4, 16],
  28.   [8, 20]],
  29.  [[1, 13],
  30.   [5, 17],
  31.   [9, 21]],
  32.  [[2, 14],
  33.   [6, 18],
  34.   [10, 22]],
  35.  [[3, 15],
  36.   [7, 19],
  37.   [11, 23]]]

 

當(dāng)某些情況下，你可能只需要轉(zhuǎn)換其中的兩個(gè)軸，除了可以使用transpose指定軸以外（當(dāng)然需要每個(gè)軸都指定順便，只是調(diào)整其中的部分而已），還可以使用swapreaxes。

  1. >>> arr = np.arange(24).reshape((2,3,4))
  2. >>> print arr
  3. [[[ 0, 1, 2, 3],
  4.    [ 4, 5, 6, 7],
  5.    [ 8, 9, 10, 11]],
  6.   [[ 12, 13, 14, 15],
  7.    [ 16, 17, 18, 19],
  8.    [ 20, 21, 22, 23]]]
  9. >>> print arr.swapaxes(1, 0)
  10. [[[ 0, 1, 2, 3],
  11.   [ 12, 13, 14, 15]],
  12.  [[ 4, 5, 6, 7],
  13.   [ 16, 17, 18, 19]],
  14.  [[ 8, 9, 10, 11],
  15.   [ 20, 21,

    本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購(gòu)買等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊一鍵舉報(bào)。
    轉(zhuǎn)藏 分享 獻(xiàn)花（0）

    0條評(píng)論

    發(fā)表

    請(qǐng)遵守用戶 評(píng)論公約

    類似文章 更多