Python 数组操作_python中数组

Python 数组操作_python中数组一.列表,元祖,:  1.元祖:      (1)创建:              tuple01=()#创建空元组                tuple01=(2,) #元组中只包含一个元素时,需要在元素后面添加逗号                tuple01=(‘joe’,’susan’,’black’,’monika’)      (2)将元组转换为…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

一.列表,元祖,:

    1.元祖:

        (1)创建:

                tuple01 = ()#创建空元组

                    tuple01 = (2,) #元组中只包含一个元素时,需要在元素后面添加逗号

                tuple01 = (‘joe’,’susan’,’black’,’monika’)

        (2)将元组转换为列表:

            tup01 = list(tuple01)  

        (3)查看:

            tuple01[0:2]   #0-1的元素 的切片,  返回 (‘joe’,’susan’)

            tuple01[ 0 ]  #返回  ‘joe’

            tuple01[ -2] #反向取第二个元素, ‘black’

            tuple01[ 1:]  #从第二个到最后一个的切片 

            tuple01[0:10:3] #从0到9,步长为3.,取0,3,6,9

             tuple01[::3] #从头到为尾,步长为3

        (4)元组中的元素值是不允许修改的,禁止删除或添加元素,可以del删除整个元祖

        (5)连接:

            t = (1,2,3)+(4,5,6) #(1,2,3,4,5,6)

            #可以使用切片再连接的方式修改元祖元素;或转化为列表

          (6)内置函数:

                len(t) #长度

                max(t)#返回最大元素

                min(t)

          (7)复制:

               tuple01*2   #所有元素复制两倍

          (8)元素是否存在:

                2  in  tuple01  #返回bool

            (9)迭代:

                for  x  in  tuple01 : print(x)

        2.列表:

            (1)创建:

                list = [1,2,3,4]

            (2)参考元祖(2)

            (3)添加:

                list.append(3)

            (4)删除:

                del list[1]

            (5)操作符:

                

Python 表达式 结果 描述
len([1, 2, 3]) 3 长度
[1, 2, 3] + [4, 5, 6] [1, 2, 3, 4, 5, 6] 组合
[‘Hi!’] * 4 [‘Hi!’, ‘Hi!’, ‘Hi!’, ‘Hi!’] 重复
3 in [1, 2, 3] True 元素是否存在于列表中
for x in [1, 2, 3]: print x, 1 2 3 迭代

       (6)转化为元祖:

                tuple([1,2,3])

            (7)函数:

序号 方法
1 list.append(obj)
在列表末尾添加新的对象
2 list.count(obj)
统计某个元素在列表中出现的次数
3 list.extend(seq)
在列表末尾一次性追加另一个序列中的多个值(用新列表扩展原来的列表)
4 list.index(obj)
从列表中找出某个值第一个匹配项的索引位置
5 list.insert(index, obj)
将对象插入列表
6 list.pop([index=-1])
移除列表中的一个元素(默认最后一个元素),并且返回该元素的值
7 list.remove(obj)
移除列表中某个值的第一个匹配项
8 list.reverse()
反向列表中元素
9 list.sort(cmp=None, key=None, reverse=False)
对原列表进行排序

            (8)创建一个有规律的二维列表      

[[0 for col in range(cols)] for row in range(rows)]

             (9)

                [x  for x in arr if x>5 ]  #筛选

                [x if x>5 else x+100 for x in arr ]

                [x if z else y for x,y,z in zip(arr1,arr2,condition)]  #和np.where函数一样的功能;

        

        3.字典:

            (1)创建:

                 dict01 = {‘name1′:’joe’,’name2′:’suan’,’name3′:’anne’}

                #不可变类型可以做字典的下标,可变类型不可以,下标不能是列表

            (2)访问:

                dict01[‘name’]

            (3)修改或添加:

                dict01[‘address’] = ‘泰国’

                #同一个键不能出现两次,否则后者覆盖前者;

            (4)删除:

                del dict01[‘sex’]

            (5)方法:

Python字典包含了以下内置函数:

序号 函数及描述
1 cmp(dict1, dict2)
比较两个字典元素。
2 len(dict)
计算字典元素个数,即键的总数。
3 str(dict)
输出字典可打印的字符串表示。
4 type(variable)
返回输入的变量类型,如果变量是字典就返回字典类型。

Python字典包含了以下内置方法:

序号 函数及描述
1 dict.clear()
删除字典内所有元素
2 dict.copy()
返回一个字典的浅复制
3 dict.fromkeys(seq[, val])
创建一个新字典,以序列 seq 中元素做字典的键,val 为字典所有键对应的初始值
4 dict.get(key, default=None)
返回指定键的值,如果值不在字典中返回default值
5 dict.has_key(key)
如果键在字典dict里返回true,否则返回false
6 dict.items()
以列表返回可遍历的(键, 值) 元组数组
7 dict.keys()
以列表返回一个字典所有的键
8 dict.setdefault(key, default=None)
和get()类似, 但如果键不存在于字典中,将会添加键并将值设为default
9 dict.update(dict2)
把字典dict2的键/值对更新到dict里
10 dict.values()
以列表返回字典中的所有值
11 pop(key[,default])
删除字典给定键 key 所对应的值,返回值为被删除的值。key值必须给出。 否则,返回default值。
12 popitem()
随机返回并删除字典中的一对键和值。

                

二.numpy:

    1.numpy创建的数组类型为: numpy.ndarray

    2.创建方式:

    (1)array方法:

            np.array( [1,2,4,5,6] )

            np.array( [ [1,2,3] , [3,4,5] ] )  #2*3二维数组

            np.array( (1,2,3) )   #传入元祖

            np.array( ((1,2,3), (4,5,6) )) #2*3

            np.array( [ (1,3,3) , (1,2,3) ] )

    (2)zeros,ones,empty方法:

            zeros返回全0数组

            ones返回全1数组

            empty返回全0数组

            

            np.zeros( 6 )  #返回1*6

            np.zeros( (2,4) ) #传入元祖,返回2*4数组

            np.zeros( (2,4,5) )  #2*4*5

            # ones,empty方法使用方式类似

        

        (3)arange方法:

            np.arange(5)  #默认从0开始,到4的整数数组,默认步长为1

            np.array(1,5)   #从1开始到4

            np.array(1,10,3) #从1到9,步长为3

            np.array(10,3,-2) #从10到2,步长为2

            

        (4)linespace,logspace方法:

               np.linespace(1,10,5) #从1到10的等差数列,5个数

               np.logspace(1,2,5,base=10) #从10**1到10**2的等比数列,5个数,不设base默认以e为底

        

        (5)random模块:

                np.random.random( (2,3) ) #传入元祖,2*3数组,元素是0-1随机浮点数,返回类型是列表;

                np.random.rand(2,3) #不传元祖,元素是0-1随机浮点数,2*3,

                np.random.randn( 2,3 ) #不传元祖 ,元素是服从标准正态分布的随机样本,大部分在[-2,2]之间,2*3

                np.random.randint(1,10,(2,3)) #1到9之间的随机整数,2*3

        

        2.ndarray的属性:

            arr = np.array(np.random.randint(1,9,(2,3,4)))

            arr.ndim  #ndarray维度,3

            arr.shape #形状 (2,3,4)

            arr.size  #元素个数 ,24

            arr.itemsize #每个元素占字节数 ,4

            

            arr01 = np.array([1,2,3,4,5],dtype = np.float32)  #dtype 指定元素类型 有int,float32,float64,double多种类型

            arr02 = arr01.astype(np.int)   #修改元素类型

            arr02.dtype  #返回元素类型

        

           3.修改形状:

           (1)

            arr01 = np.random.randint(1,9,(3,4))

            arr04.shape = (4,3)   #先把3*4数组变成一维列表,再排成4*3数组;数组元素总数不变的;

            例:

            修改前:

            [[1, 5, 6, 3],
            [4, 4, 6, 4],
            [1, 1, 7, 6]]
         修改后:  

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

               arr01.shape = (12)  # [1, 5, 6, 3, 4, 4, 6, 4, 1, 1, 7, 6]

            (2)reshape:

                arr01.reshape(2,6)

                降维操作:

                arr01 = np.random.randint(1,9,(3,4,5))

                arr07.reshape(5,-1)  #3*4*5维数组变成5*n;n=12

            (3)升维操作:

                    arr1 = np.random.randint(1,9,(2,2))
                    arr1[:,np.newaxis,:] #把2*2变成2*1*2

             4.数组的运算:

              (1)数组与标量的运算:

                arr01+10
                arr01-10
                arr01*10
                arr01/10
                arr01**2

                10**arr01  #每个数组元素与标量运算

              (2)数组与数组的运算

                   arr02+arr03
                   arr02-arr03
                   arr02*arr03
                   arr02/arr03

                   arr02**arr03   #数组与数组形状一致

                    #特殊情况:

                       例:A:2*3*4  与 B:2*1*4可以运算,A的每个2*1*4与B运算;这样的要求就是B有一维是1,其他维和A一致;

                        或 A:2*3*4 与 B:3*4可以运算,A的每个3*4和B运算;但B:2*4则不能;要求B和A低的维度形状相同;

            

            (3)矩阵积:

                    arr01.dot(arr02)

           

            4.索引:

            (1)

            arr09 = np.random.randint(1,9,(3,3,4)) 

            

        [[[3, 2, 4, 5],
        [3, 2, 4, 2],
        [2, 1, 8, 8]],

       [[8, 1, 8, 8],
        [6, 1, 6, 2],
        [7, 7, 8, 5]],

       [[7, 6, 8, 6],
        [8, 7, 4, 4],
        [1, 6, 5, 5]]]

        

        arr09[:,:,:] #全部,和arr09一样

        arr09[1]   #第二个3*4数组;

        [[8 1 8 8]

      [6 1 6 2]
      [7 7 8 5]]

        arr09[:,1]  #3*4

        [[3 2 4 2]

      [6 1 6 2]
      [8 7 4 4]]

        arr09[:,:,1]  #3*3

        [[2 2 1]

      [1 1 7]
      [6 7 6]]

        arr09[0,0,0] 

        #  3

        (2)arr10[:,:] = 100  #直接修改arr10数组元素的值;

        (3)切片:

            arr11 = np.ones((2,6))  #

                [[ 1. 1. 1. 1. 1. 1.]

             [ 1.  1.  1.  1.  1.  1.]]

            arr11[:1]   #

                
[[ 1. 1. 1. 1. 1. 1.]]

          (4)花式索引:

                arr12 = np.arange(32).reshape(8,4)

                [[ 0, 1, 2, 3],

           [ 4,  5,  6,  7],
           [ 8,  9, 10, 11],
           [12, 13, 14, 15],
           [16, 17, 18, 19],
           [20, 21, 22, 23],
           [24, 25, 26, 27],
           [28, 29, 30, 31]]

            arr12[0,3] #标准索引,返回3

            arr12[ [0,3,5] ]  #返回第0,3,5行

                  [[ 0 1 2 3]

             [12 13 14 15]
             [20 21 22 23]]

            arr12[[0,3,5],[0,1,2]]  #返回第0行第0列,第3行第1列,第5行第2列的那个数组成的数组;

                [ 0 13 22]

            arr12[np.ix_( [0,3,5] , [0,1,2] ) ]  #有索引器,返回3*3,第0行第0列,第3行第1列,第5行第2列

               
[[ 0, 1, 2],

           [12, 13, 14],
           [20, 21, 22]]

            (5)布尔索引:

                第一种:

                arr12 = np.random.randint(1,9,(3,4))

                [[6, 6, 5, 6],

           [6, 1, 7, 7],
           [5, 1, 1, 8]]

                arr12<5

                [[False, False, False, False],

           [False,  True, False, False],
           [False,  True,  True, False]]

                arr12[arr12<5] 

                [1, 1, 1]

                #索引(arr1<5)和 原数组形状相同,返回  一维            

                第二种:

                arr1[ [true,false,false] ]

                [[6, 6, 5, 6]]

                #注意:返回的二维数组;

            

            

               5.常用的一元函数:

                np.abs(arr)   #abs,fabs  计算整数、浮点数或者复数的绝对值,对于非复数,可以使用更快的fabs

                np.sqrt(arr)    #计算各个元素的平方根

                np.square(arr)  #计算各个元素的平方 

                np.exp(arr)  #计算各个元素的指数e的x次方

                np.log(arr)
                np.log2(arr)

                np.log1p(arr)  #分别计算自然对数、底数为2的log以及底数为e的log(1+x)

                np.sign(arr)  #计算各个元素的正负号: 1 正数,0:零,-1:负数

                np.ceil(arr)  #向上取整
                np.floor(arr) #向下取整

                np.rint(arr)  #四舍五入

                

                np.var( arr )  #求该arr方差 ,所有元素     

            

            6.ndarray的其他操作:

            (1)转置

            arr13.T   #矩阵转置操作

            #多维数组转置不常用,所以不讲了;

            

               (2)拉伸:

                arr = np.random.randint(1,9,(2,2))

                    [[5, 7],

               [4, 1]]

               np.tile(arr,3) #横向拉伸3次

                [[5 7 5 7 5 7]

             [4 1 4 1 4 1]]

                np.tile(arr,(3,3)) #横向拉伸3次,纵向拉伸3次

                  [[5 7 5 7 5 7]

             [4 1 4 1 4 1]
             [5 7 5 7 5 7]
             [4 1 4 1 4 1]
             [5 7 5 7 5 7]
             [4 1 4 1 4 1]]

            (3)聚合:

                arr = np.random.randint(1,9,(2,3))

                #arr可以调用的聚合函数有mean,sum,max,min,std,var,axis=1对每一列聚合,axis=0对每一行聚合

                #std标准差

                arr.mean(axis = 1) #1*3

                arr.mean(axis = 0) #2*1

            

             (4)where:

                np.where([[True, False], [True, True]] , [[1, 2], [3, 4]] , [[9, 8], [7, 6]])   

                #三个数组形状相同,第一个数组元素是true,选第二个数组元素,否则选第三个数组元素;

        

               (5)去重:

                np.unique(arr)

                #去除重复元素,如果arr是多维的,返回一维的;

    三.dataFrame:

        dataFrame是比ndarray多了行标,列标的数组;

        创建方式为:

        import pandas as pd
        df = pd.DataFrame(index=[1,2,3],columns=[4,5,6])

        

        在机器学习算法中,ndarray比dataFrame好操作,所以:

            可以接收dataFrame类型,然后转化为dnarray类型:

                df.values;

                  
      
        



版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/170303.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号