Python 之Numpy 函数

Numpy 是什么
Numpy (Numerical Python) 是 Python 语言的一个扩展程序库，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。

 

Numpy 创建Array 的方式

#创建一个数据
array1 = np.array([22,33,44,55]) 
print(array1)
 
#指定数据类型dtype,np.int32,np.float等
array2 = np.array([22,33,44,55],dtype=np.int) 
print(type(array2))
 
#指定数据类型dtype
array3 = np.array([22,33,44,55],dtype=np.float)
print(array3)
 
#创建特定数据，一个2d矩阵 2行3列
array4 = np.array([[22,33,44],[55,66,77]])
print(array4)
 
#创建特定的数据数组，数据全为0，4行5列
array5 = np.zeros((4,5)) 
print(array5)
 
#创建特定的数据数组，数据全为1，4行5列
array6 = np.ones((4,5))
print(array6)
 
#创建特定的数据全空数组,接近于零的数，数据全为1，5行3列
array7 = np.empty((5,3)) 
print(array7)
 
#创建连续数组,10-30的数据，2步长
array8 = np.arange(10,30,2)
print(array8)
 
#reshape 改变数据的形状
array9=array8.reshape(2,5)
array9=np.arange(10,30,2).reshape(2,5)
print(array9)
 
#开始端1，结束端5，且分割成20个数据，生成线段
array10=np.linspace(1,5,20)
print(array10)

Numpy 基础运算

x=np.array([11,22,33,44,55])
y=np.arange(5)
print(x-y) #x数组减去y数组
print(x+y) #x数组加上y数组
print(x*y) #x数组乘以y数组
print(x**2) #x数组值的平方
print(y**3) #y数组值的立方
print(np.sin(x))#求sin值
print(np.sum(x)) #求和
print(np.min(x)) #求最小值
print(np.max(x)) #求最大值
 
xx=np.array([[11,88,33],[44,55,66]])
print(xx)
print("sum=",np.sum(xx,axis=1)) #按行为单元求和
print("min=",np.min(xx,axis=0)) #按列为单元求最小值
print("max=",np.max(xx,axis=1)) #按行为单元求最大值
print(np.argmax(xx)) #求矩阵中最大元素的索引
print(np.argmin(xx)) #求矩阵中最小元素的索引
print(np.mean(xx)) #求整个矩阵的均值
print(np.average(xx))#求整个矩阵的均值
print(np.cumsum(xx)) #求累加
print(np.diff(xx))#求每一行中后一项与前一项之差
print(np.nonzero(xx))#将所有非零元素的行与列坐标分割开，重构成两个分别关于行和列的矩阵
print(np.sort(xx)) #对每一行进行从小到大的排序
print(np.transpose(xx))#将矩阵进行转置处理
print(xx.T) #将矩阵进行转置处理

Numpy 索引的使用

x=np.array([11,22,33,44,55])
xx=np.array([[11,88,33],[44,55,66]])
print(x[1]) #一维索引取值
print(xx[1][1])#二维索引取值
print(xx[1,1])#二维索引取值
print(xx[1,1:3])#二维索引取值
for row in xx: #循环遍历二维array
    print(row)
for item in xx.flat:#将多维的矩阵进行展开成1行的数列,它本就是一个迭代器，返回的是一个object
    print(item)

Numpy 合并操作

x=np.array([11,22,33])
y=np.array([44,55,66])
 
xx=np.array([[11,88,33],[44,55,66]])
yy=np.array([[1,8,3],[4,5,6]])
 
#上下合并
print(np.vstack((x,y)))
 
#左右合并
print(np.hstack((x,y)))
 
#合并操作多个矩阵或序列,axis控制矩阵是纵向还是横向打印
print(np.concatenate((x,y,y,x),axis=0))
 
#合并操作多个矩阵或序列
print(np.concatenate((xx,yy),axis=1))

Numpy 分割

xx=np.array([[11,88,33,99],[22,44,55,66],[222,434,553,663],[11,88,33,99]])
print(xx)
#纵向分割
print(np.split(xx,2,axis=1)) 
#横向分割
print(np.split(xx,2,axis=0)) 
#不等量的分割
print(np.array_split(xx,4,axis=1))

Numpy copy and deepcopy

xx=np.array([[11,88,33,99],[22,44,55,66],[222,434,553,663],[11,88,33,99]])
#这种赋值操作没有关联性
yy=xx.copy() 
print(yy)
#这种赋值的操作有关联性，zz会随着xx的数据变化而变化，相当于是deep copy
zz=xx 
xx[0][0]=100
print(zz)

欢迎关注【无量测试之道】公众号，回复【领取资源】,
Python编程学习资源干货、
Python+Appium框架APP的UI自动化、
Python+Selenium框架Web的UI自动化、
Python+Unittest框架API自动化、

资源和代码 免费送啦~
文章下方有公众号二维码，可直接微信扫一扫关注即可。

备注：我的个人公众号已正式开通，致力于测试技术的分享，包含：大数据测试、功能测试，测试开发，API接口自动化、测试运维、UI自动化测试等，微信搜索公众号：“无量测试之道”，或扫描下方二维码：

 添加关注，让我们一起共同成长！