python中np模块的应用？

一、python中np模块的应用？

NumPy

NumPy(Numerical Python) 是 Python 的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Nupmy可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。据说NumPy将Python相当于变成一种免费的更强大的MatLab系统。

NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：

一个强大的 N 维数组对象 ndarray

广播功能函数

整合 C/C++/Fortran 代码的工具

线性代数、傅里叶变换、随机数生成等功能

ndarray对象

NumPy 最重要的一个对象是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，可以使用基于 0 的索引访问集合中的项目。

ndarray 对象是用于存放同类型元素的多维数组。ndarray中的每个元素在内存中使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象(称为 dtype)

numpy.array( object , dtype = None , ndmin = 0 ,copy = True , order = None , subok = False )

一般只有 object 、dtype和 ndmin 参数常用，其他参数不常用

import numpy

a=numpy.array([1,2,3]) #一维

b=numpy.array([[1,2,3],[4,5,6]]) #二维

c=numpy.array([1,2,3],dtype=complex) #元素类型为复数

d=numpy.array([1,2,3],ndmin=2) #二维

print(a,type(a))

print(b,type(b))

print(c,type(c))

print(d,type(d))

####################################

[1 2 3] <class 'numpy.ndarray'>

[[1 2 3]

[4 5 6]] <class 'numpy.ndarray'>

[1.+0.j 2.+0.j 3.+0.j] <class 'numpy.ndarray'

[[1 2 3]] <class 'numpy.ndarray'>

Numpy数组属性

NumPy 数组的维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推。

在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。

很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。

ndarray 对象属性有：

常见的属性有下面几种 ：

ndarray.shape ： 这一数组属性返回一个包含数组纬度的元组，它也可以用于调整数组大小

import numpy as np

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

print(a.shape) #打印shape属性

a.shape=(3,2) #修改shape属性

print(a)

#######################################

(2, 3)

[[1 2]

[3 4]

[5 6]]

ndarray.ndim： 这一数组属性返回数组的维数

import numpy as np

a=np.arange(24) #np.arange返回0-23的列表类型的数据

print(a.ndim)

b=a.reshape(2,3,4)

print(b)

print(b.ndim)

############################

1

[[[ 0 1 2 3]

[ 4 5 6 7]

[ 8 9 10 11]]

[[12 13 14 15]

[16 17 18 19]

[20 21 22 23]]]

3

ndarray.itemsize ： 这一数组属性返回数组中每个元素的字节单位长度

import numpy as np

a=np.array([1,2,3]) #默认是四个字节

print(a.itemsize)

#########################################

4

numpy.mat()函数的用法

该函数用来创建矩阵

import numpy as np

#将列表转为矩阵

a=[7,8,9]

b=np.mat(a)

print(b)

print("#"*10)

#创建一行的矩阵

m=np.mat([1,2,3])

print(m)

print("打印出第一行的第三个值：",m[0,2]) #取第一行的第三个值

print("#"*10)

x=np.mat([[3,2,1],[6,5,4]])

print(x)

print("打印出矩阵的第二行：",x[1])

print("打印出矩阵的第二行：",x[1,:])

print("打印出矩阵的行列数：",x.shape) #获得矩阵的行列数

print("打印出矩阵的行数 ：",x.shape[0]) #获得矩阵的行数

print("打印出矩阵的列数 ：",x.shape[1]) #获得矩阵的列数

x.sort() #对矩阵的每一行进行排序

print("对矩阵的每一行进行排序:")

print(x)

print("#"*10)

numpy.zeros()函数的用法

该函数用于返回给定形状和类型的新数组。返回的数据类型为 numpy.ndarray，具有给定形状，类型和顺序的0的数组。

参数：

shape：int 或 int 的元组。新阵列的形状，例如：（2，3）或2。

dtype：数据类型，可选。、例如numpy.int8。默认是numpy.float64

order：{'C'，'F'}，可选，默认：'C' 。是否在内容中以行（C）或列（F）顺序存储多维数据。

import numpy as np

a=np.zeros(5)

print(a,type(a))

b=np.zeros([1,2],dtype='int8')

print(b)

c=np.zeros([1,2,3],dtype='int8')

print(c)

二、python中打印列表怎么去掉？

步骤1：列表的索引从0开始，第一个第三个元素将在位置2。variable p=2,starting index id=0.

步骤2：找到列表的长度。listlen=len (LST)// length of the list(LST)

步骤3：遍历直到列表变空，每次都找到下一个第三个元素的索引。While(listlen>0)

Id=(p+id)%listlen

A=LST.pop(id)// removes and prints the required element

Listlen-=1

End while

三、python中列表如何去重？

方法一: 使用内置set方法来去重

>>> lst1 = [2, 1, 3, 4, 1]

>>> lst2 = list(set(lst1))

>>> print(lst2)

[1, 2, 3, 4]

方法二: 使用字典中fromkeys()的方法来去重

>>> lst1 = [2, 1, 3, 4, 1]

>>> lst2 = {}.fromkeys(lst1).keys()

>>> print(lst2)

dict_keys([2, 1, 3, 4])

方法三: 使用常规方法来去重

>>> lst1 = [2, 1, 3, 4, 1]

>>> temp = []

>>> for item in lst1:

if not item in temp:

   temp.append(item)

>>> print(temp)

[2, 1, 3, 4]

方法四: 使用列表推导来去重

>>> lst1 = [2, 1, 3, 4, 1]

>>> temp = []

>>> [temp.append(i) for i in lst1 if not i in temp]

[None, None, None, None]

>>> print(temp)

[2, 1, 3, 4]

方法五: 使用sort函数来去重

>>> lst1 = [2, 1, 3, 4, 1]

>>> lst2.sort(key=lst1.index)

>>> print(lst2)

[2, 1, 3, 4]

方法六: 使用sorted函数来去重

>>> lst1 = [2, 1, 3, 4, 1]

>>> lst2 = sorted(set(lst1), key=lst1.index)

>>> print(lst2)

[2, 1, 3, 4]

四、np.random在python中的意思？

一种伪随机数算法在。

其实在python里面有不同的随机算法，基本上都是伪随机数列，np是numpy提供的一种随机算法，还有random包自己提供的随机算法等等。在tensorflow这种框架中为了兼容数据结构和动态图算法，也提供了自己的random方法。

五、列表和np数组区别？

两者之间的区别：

一，空间大小：

1,）它的空间大小是固定的，空间不够时也不能再次申请，所以需要事前确定合适的空间大小。

2,）ArrayList的空间是动态增长的，如果空间不够，它会创建一个空间比原空间大一倍的新数组，然后将所有元素复制到新数组中，接着抛弃旧数组。而且，每次添加新的元素的时候都会检查内部数组的空间是否足够。

二，存储内容

1,）Array数组可以包含基本类型和对象类型，

2,）ArrayList却只能包含对象类型。 但是需要注意的是：Array数组在存放的时候一定是同种类型的元素。ArrayList就不一定了，因为ArrayList可以存储Object。

三，方法：ArrayList作为Array的增强版，当然是在方法上比Array更多样化，比如添加全部addAll()、删除全部removeAll()、返回迭代器iterator()等。适用场景： 如果想要保存一些在整个程序运行期间都会存在而且不变的数据，我们可以将它们放进一个全局数组里，但是如果我们单纯只是想要以数组的形式保存数据，而不对数据进行增加等操作，只是方便我们进行查找的话，那么，我们就选择ArrayList。而且还有一个地方是必须知道的，就是如果我们需要对元素进行频繁的移动或删除，或者是处理的是超大量的数据，那么，使用ArrayList就真的不是一个好的选择，因为它的效率很低，使用数组进行这样的动作就很麻烦，那么，我们可以考虑选择LinkedList。

六、python怎样移动列表中的数字？

以取出最大值和最小值为例： 1、如需求列表中的最大值，用python自带的函数max() 即可。代码示例如下： numbers = [1,2,3,4,5,6,7,8,9] max(numbers) 2、求最大值也可通过定义函数，再调用函数求得。示例代码如下： def findmax(L):     if L == []:         return(None)         else:         Max = L[0]         for i in L:             if i > Max:                 Max = i         return(Max) numbers = [6,2,9,4,5,1,7,8,3] findmax(numbers) 3、如需求列表中的最小值，用python自带的函数min() 即可。代码示例如下： numbers = [1,2,3,4,5,6,7,8,9] min(numbers) 4、求最小值也可通过定义函数，再调用函数求得。示例代码如下： def findmin(L):     if L == []:         return(None)         else:         Min = L[0]         for i in L:             if i < Min:                 Min = i         return(Min) numbers = [6,2,9,4,5,1,7,8,3] findmin(numbers)

七、min在python中列表的意思？

python中min函数指的是最小的意思，可以使用min函数来获取指定参数的最小值，参数可以为序列，min函数语法格式：“min( x, y,...)”，这里x和y指的是数值表达式。

八、python中列表怎么区分几维？

在Python中，列表的维度可以通过对其子元素递归的方式来确定。如果该列表的子元素是单个元素(不是列表),则该列表是1维的；否则，该列表的维度将是子元素维度加1。例如，一个包含整数的列表是1维，而一个包含包含整数的列表的列表是2维 。

九、如何将Excel列表内容转换成python字典？

我们需要通过使用python的xlrd方法先读取excel，再遍历赋值给字典。代码如下：

importxlrdclassRead_Ex():defread_excel(self):#打开excel表，填写路径

book = xlrd.open_workbook("../Data/test.xlsx")#找到sheet页

table = book.sheet_by_name("Sheet1")#获取总行数总列数

row_Num =table.nrows

col_Num=table.ncols

s=[]

key=table.row_values(0)#这是第一行数据，作为字典的key值

if row_Num <= 1:print("没数据")else:

j= 1

for i in range(row_Num-1):

d={}

values=table.row_values(j)for x inrange(col_Num):#把key值对应的value赋值给key，每行循环

d[key[x]]=values[x]

j+=1

#把字典加到列表中

s.append(d)returnsif __name__ == ‘__main__‘:

r=Read_Ex()

s=r.read_excel()for i ins:print(i)print(s)

结果如下，分别遍历了列表分行显示以及直接输出。

十、python中如何判断一个列表是嵌套列表？

这个List Comprehension相当于一个嵌套循环，外层循环变量是i，内层循环变量是row。 把列表的外层循环改为普通for循环的话，等价于： temp_list = [] for i in range(4): temp_list.append([row[i] for row in matrix]) 把列表的两层循环都改为普通for循环写法，大致相当于： temp_list = [] for i in range(4): temp_list.append([]) for row in matrix: temp_list[-1].append(row[i])