numpy 基础入门 - 30分钟学会numpy(7)

当前位置:

首页 > Python基础教程 >

numpy 基础入门 - 30分钟学会numpy(7)

np.savetxt 执行相反的操作，这两个函数在跑实验加载数据时可以提供很多便利！！！

使用numpy.arange方法

						>>> print np.arange(15)  

						[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]  

						>>> print type(np.arange(15))  

						<type 'numpy.ndarray'>  

						>>> print np.arange(15).reshape(3,5)  

						[[ 0  1  2  3  4]  

						 [ 5  6  7  8  9]  

						 [10 11 12 13 14]]  

						>>> print type(np.arange(15).reshape(3,5))  

						<type 'numpy.ndarray'>

使用numpy.linspace方法

例如，在从1到10中产生20个数：

1

2

3

4

5

						>>> print np.linspace(1,10,20)  

						[  1.           1.47368421   1.94736842   2.42105263   2.89473684  

						   3.36842105   3.84210526   4.31578947   4.78947368   5.26315789  

						   5.73684211   6.21052632   6.68421053   7.15789474   7.63157895  

						   8.10526316   8.57894737   9.05263158   9.52631579  10.        ]

使用numpy.zeros，numpy.ones，numpy.eye等方法可以构造特定的矩阵

						>>> print np.zeros((3,4))  

						[[ 0.  0.  0.  0.]  

						 [ 0.  0.  0.  0.]  

						 [ 0.  0.  0.  0.]]  

						>>> print np.ones((3,4))  

						[[ 1.  1.  1.  1.]  

						 [ 1.  1.  1.  1.]  

						 [ 1.  1.  1.  1.]]  

						>>> print np.eye(3)  

						[[ 1.  0.  0.]  

						 [ 0.  1.  0.]  

						 [ 0.  0.  1.]]

获取数组的属性

						>>> a = np.zeros((2,2,2))  

						>>> print a.ndim   #数组的维数  

						3  

						>>> print a.shape  #数组每一维的大小  

						(2, 2, 2)  

						>>> print a.size   #数组的元素数  

						8  

						>>> print a.dtype  #元素类型  

						float64  

						>>> print a.itemsize  #每个元素所占的字节数  

						8

栏目列表