数组属性方法总结

In [1]:

from numpy import *

基本属性

In [2]:

a = array([[0, 1, 2, 3], [4, 5, 6, 7]])
a

Out[2]:

array([[0, 1, 2, 3],
       [4, 5, 6, 7]])

数组元素属性：

In [3]:

a.dtype

Out[3]:

dtype('int32')

形状：

In [4]:

a.shape

Out[4]:

(2L, 4L)

元素数目：

In [5]:

a.size

Out[5]:

8

元素占字节大小：

In [6]:

a.itemsize

Out[6]:

4

所有元素所占字节：

In [7]:

a.nbytes

Out[7]:

32

数据维度：

In [8]:

a.ndim

Out[8]:

2

形状相关

In [9]:

for row in a:
    print row

[0 1 2 3]
[4 5 6 7]

所有元素的迭代器：

In [10]:

for elt in a.flat:
    print elt

0
1
2
3
4
5
6
7

所有元素组成的一维数组，按照行排列：

In [11]:

a.flatten()

Out[11]:

array([0, 1, 2, 3, 4, 5, 6, 7])

In [12]:

a.ravel()

Out[12]:

array([0, 1, 2, 3, 4, 5, 6, 7])

重新改变形状：

In [13]:

a.resize((4,2))
a

Out[13]:

array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7]])

交换这两个轴的顺序：

In [14]:

a.swapaxes(0,1)

Out[14]:

array([[0, 2, 4, 6],
       [1, 3, 5, 7]])

转置：

In [15]:

a.transpose()

Out[15]:

array([[0, 2, 4, 6],
       [1, 3, 5, 7]])

转置：

In [16]:

a.T

Out[16]:

array([[0, 2, 4, 6],
       [1, 3, 5, 7]])

In [17]:

a2 = array([1,2,3])
a2.shape

Out[17]:

(3L,)

In [18]:

a2.resize((1,3,1))
a2.shape

Out[18]:

(1L, 3L, 1L)

去除长度为1的维度：

In [19]:

a2 = a2.squeeze()
a2.shape

Out[19]:

(3L,)

填充复制

复制：

In [20]:

b = a.copy()
b

Out[20]:

array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7]])

复制不影响原来的数组：

In [21]:

b[0][0] = -1
b # First value changed

Out[21]:

array([[-1,  1],
       [ 2,  3],
       [ 4,  5],
       [ 6,  7]])

In [22]:

a # original not changed because b is a copy

Out[22]:

array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7]])

填充：

In [23]:

b.fill(4)
b

Out[23]:

array([[4, 4],
       [4, 4],
       [4, 4],
       [4, 4]])

转化

转化为列表：

In [24]:

a.tolist()

Out[24]:

[[0, 1], [2, 3], [4, 5], [6, 7]]

转化为字符串：

In [25]:

a.tostring()

Out[25]:

'\x00\x00\x00\x00\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00\x04\x00\x00\x00\x05\x00\x00\x00\x06\x00\x00\x00\x07\x00\x00\x00'

改变数组元素类型：

In [26]:

a.astype(float)

Out[26]:

array([[ 0.,  1.],
       [ 2.,  3.],
       [ 4.,  5.],
       [ 6.,  7.]])

In [27]:

b = a.copy()
b.byteswap(False)

Out[27]:

array([[        0,  16777216],
       [ 33554432,  50331648],
       [ 67108864,  83886080],
       [100663296, 117440512]])

将它看成16位整数：

In [28]:

a.view(dtype=int16)

Out[28]:

array([[0, 0, 1, 0],
       [2, 0, 3, 0],
       [4, 0, 5, 0],
       [6, 0, 7, 0]], dtype=int16)

复数

实部：

In [29]:

b = array([1+2j, 3+4j, 5+6j])
b.real

Out[29]:

array([ 1.,  3.,  5.])

虚部：

In [30]:

b.imag

Out[30]:

array([ 2.,  4.,  6.])

共轭：

In [31]:

b.conj()

Out[31]:

array([ 1.-2.j,  3.-4.j,  5.-6.j])

In [32]:

b.conjugate()

Out[32]:

array([ 1.-2.j,  3.-4.j,  5.-6.j])

保存

保存成文本：

In [33]:

a.dump("file.txt")

字符串：

In [34]:

a.dumps()

Out[34]:

'\x80\x02cnumpy.core.multiarray\n_reconstruct\nq\x01cnumpy\nndarray\nq\x02K\x00\x85U\x01b\x87Rq\x03(K\x01\x8a\x01\x04\x8a\x01\x02\x86cnumpy\ndtype\nq\x04U\x02i4K\x00K\x01\x87Rq\x05(K\x03U\x01<NNNJ\xff\xff\xff\xffJ\xff\xff\xff\xffK\x00tb\x89U \x00\x00\x00\x00\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00\x04\x00\x00\x00\x05\x00\x00\x00\x06\x00\x00\x00\x07\x00\x00\x00tb.'

写入文件：

In [35]:

a.tofile('foo.csv', sep=',', format="%s")

查找排序

非零元素的索引：

In [36]:

a.nonzero()

Out[36]:

(array([0, 1, 1, 2, 2, 3, 3], dtype=int64),
 array([1, 0, 1, 0, 1, 0, 1], dtype=int64))

排序：

In [37]:

b = array([3,2,7,4,1])
b.sort()
b

Out[37]:

array([1, 2, 3, 4, 7])

排序的索引位置：

In [38]:

b = array([2,3,1])
b.argsort(axis=-1)

Out[38]:

array([2, 0, 1], dtype=int64)

将 b 插入 a 中的索引，使得 a 保持有序：

In [39]:

a = array([1,3,4,6])
b = array([0,2,5])
a.searchsorted(b)

Out[39]:

array([0, 1, 3], dtype=int64)

元素数学操作

限制在一定范围：

In [40]:

a = array([[4,1,3],[2,1,5]])
a.clip(0,2)

Out[40]:

array([[2, 1, 2],
       [2, 1, 2]])

近似：

In [41]:

a = array([1.344, 2.449, 2.558])
a.round(decimals=2)

Out[41]:

array([ 1.34,  2.45,  2.56])

累加和：

In [42]:

a = array([[4,1,3],[2,1,5]])
a.cumsum(axis=None)

Out[42]:

array([ 4,  5,  8, 10, 11, 16])

累乘积：

In [43]:

a.cumprod(axis=None)

Out[43]:

array([  4,   4,  12,  24,  24, 120])

约简操作

求和：

In [44]:

a = array([[4,1,3],[2,1,5]])
a.sum(axis=None)

Out[44]:

16

求积：

In [45]:

a.prod(axis=None)

Out[45]:

120

最小值：

In [46]:

a.min(axis=None)

Out[46]:

1

最大值：

In [47]:

a.max(axis=None)

Out[47]:

5

最小值索引：

In [48]:

a.argmin(axis=None)

Out[48]:

1

最大值索引：

In [49]:

a.argmax(axis=None)

Out[49]:

5

最大间隔：

In [50]:

a.ptp(axis=None)

Out[50]:

4

均值：

In [51]:

a.mean(axis=None)

Out[51]:

2.6666666666666665

标准差：

In [52]:

a.std(axis=None)

Out[52]:

1.49071198499986

方差：

In [53]:

a.var(axis=None)

Out[53]:

2.2222222222222228

是否有非零元素：

In [54]:

a.any(axis=None)

Out[54]:

True

是否全部非零：

In [55]:

a.all()

Out[55]:

True

删除生成的文件：

In [56]:

import os
os.remove('foo.csv')
os.remove('file.txt')

原文: https://nbviewer.jupyter.org/github/lijin-THU/notes-python/blob/master/03-numpy/03.10-array-attribute-&-method-overview-.ipynb