2019-08-2610:28:52

1. np.empty(shape,dtype=float,order="C")

函数说明：用来创建一个指定形状和数据类型且未初始化的数组，变量中的元素是随机生成的，实际为空。

实例：

>>> import numpy as np
>>> np.empty([2,3],dtype=float)
array([[0., 0., 0.],
　　[0., 0., 0.]])

2.numpy.zeros(shape, dtype = float, order = ‘C‘)

函数说明：用来创建指定大小的元素为0的数组

实例：

>>> np.zeros(shape=(2,3))
array([[0., 0., 0.],
　　　[0., 0., 0.]])

3.numpy.ones(shape, dtype = None, order = ‘C‘)

函数说明：用来创建指定大小的元素为1的数组

实例：

>>> np.ones(shape=(2,3))
array([[1., 1., 1.],

　　　[1., 1., 1.]])

4.np.array(object,dtype=None,copy=True,order=‘K‘,subok=False,ndmin=0)

函数说明：根据目标元素创建数组，目标元素可以为列表，元素，等。

实例：

>>> np.array([[1,23],[2,3]])
array([[ 1, 23],
　　　[ 2, 3]])

5.np.full(shape,fill_value,dtype=None,order=‘C‘)

函数说明：生成指定shape大小的数组，此数组用指定的值填充。

实例：

>>> np.full((2,3),7)
array([[7, 7, 7],
　　　[7, 7, 7]])

6.np.ones_like(a,dtype=None,order=‘K‘,subok=True,shape=None)

函数说明：生成与目标数组a相同shape大小的数组。

实例：

>>> import numpy as np
>>> a=np.array([[[1,2],[2,3]],[[3,4],[1,2]],[[3,2],[2,1]]])
>>> a
array([[[1, 2],
　　　[2, 3]],

　　　[[3, 4],
　　　[1, 2]],

　　　[[3, 2],
　　　[2, 1]]])
>>> a.shape
(3, 2, 2)
>>> b=np.ones_like(a)
>>> b
array([[[1, 1],
　　　[1, 1]],

　　　[[1, 1],
　　　[1, 1]],

　　　[[1, 1],
　　　[1, 1]]])
>>> b.shape
(3, 2, 2)

7.np.reshape(a,newshape,order=‘C‘)

函数说明：生成与目标数据a具有相同类型不同shape的数组。新数组与原来数组的元素数量要相同。newshape可以且只能保留一个维度的值为-1，reshape函数可以自动计算。

　　　　个人理解：计算过程为把原来的数组从最高维度（最右侧维度），把所有元素串起来形成一维数据后，按照新的reshape从最高纬度到最低维度依次填充数据。

实例：

>>> import numpy as np
>>> a= np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12],[13, 14, 15, 16]])
>>> a
array([[ 1, 2, 3, 4],
　　　[ 5, 6, 7, 8],
　　　[ 9, 10, 11, 12],
　　　[13, 14, 15, 16]])
>>> a.reshape(-1)
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16])
>>> a.reshape(-1,2)
array([[ 1, 2],
　　　[ 3, 4],
　　　[ 5, 6],
　　　[ 7, 8],
　　　[ 9, 10],
　　　[11, 12],
　　　[13, 14],
　　　[15, 16]])

8.属性获得：np.ndim,np.shape,np.size,np.dtype,np.real,np.imag

函数说明：获得numpy数组的数据属性值（不能加括号），数组的所有数据具有相同的数据类型（float，int等），不过不是，numpy会自动进行转化。

np.ndim为数组的秩，也即轴或者维度的数量，例如一维为1，二维为2，三维空间为3。

np.shape为数据的详细维度，返回的是一个元组，例如一维为(n, )，二维为(m,n)，三维为(m,n,k)。

np.size为数组元素的总个数，例如，一维为n,二维为m*n,三维为m*n*k。

np.dtype为数组的元素数据类型，例如int8,int16,int32,int64,uint8,uint16,float16,float32等等。

np.real为元素的实部

np.imag为元素的虚部

 实例：

>>> a=np.array([1,2,3])
>>> b=np.array([[1,2],[3,4],[5,3]])
>>> c=np.array([[[2,3,4],[2,3,1]],[[2,3,1],[5,6,7]]])
>>> a
array([1, 2, 3])
>>> b
array([[1, 2],
　　　[3, 4],
　　　[5, 3]])
>>> c
array([[[2, 3, 4],
　　　[2, 3, 1]],

　　　[[2, 3, 1],
　　　[5, 6, 7]]])
>>> a.ndim
1
>>> b.ndim
2
>>> c.ndim
3
>>> a.shape
(3,)
>>> b.shape
(3, 2)
>>> c.shape
(2, 2, 3)
>>> a.size
3
>>> b.size
6
>>> c.size
12
>>> a.dtype
dtype(‘int64‘)
>>> b.dtype
dtype(‘int64‘)
>>> c.dtype
dtype(‘int64‘)

numpy所有函数使用教程

原文：https://www.cnblogs.com/AFlyingBird/p/11411461.html