
【学习笔记】NumPy数据存取与函数
发布日期:2021-05-06 16:12:42
浏览次数:11
分类:技术文章
本文共 2051 字,大约阅读时间需要 6 分钟。
CSV文件
CSV(Comma-Separated Value,逗号分隔值)
CSV是一种常见的文件格式,用来存储批量数据。
np.savetxt(frame,array,fmt=’%.18e’,delimiter=None)
- frame:文件、字符串或产生器,可以是.gz或.bz2的压缩文件。
- array:存入文件的数组。
- fmt:写入文件的格式,例如:%d %.2f %.18e。
- delimiter:分割字符,默认是任何空格。
np.loadtxt(frame,dtype=np.float,delimiter=None,unpack=False)
- frame:文件、字符串或产生器,可以是.gz或.bz2的压缩文件。
- dtype:数据类型,可选。
- delimiter:分割字符,默认是任何空格。
- unpack:如果True,读入属性将分别写入不同变量。
CSV只能有效存储一维和二维数组。
np.savetxt()和np.loadtxt()只能存储和读取一维和二维数组。
多维数据的存取
基于ndarray
a.tofile(frame,sep=’’,format=’%s’)
- frame:文件、字符串。
- sep:数据分割字符串,如果是空串,写入文件为二进制。
- format:写入数据的格式。
np.fromfile(frame,dtype=float,count=-1,sep=’’)
- frame:文件、字符串。
- dtype:读取的数据类型。
- count:读入元素个数,-1表示读入整个文件。
- sep:数据分割字符,如果是空串,写入文件为二进制。
该方法需要读取时知道存入文件时数组的维度和元素类型,a.tofile()和np.fromfile()需要配合使用。
可以通过元数据文件来存储额外信息。
NumPy的便捷文件存取
np.save(fname,array)或np.savez(fname,array)
- fname:文件名,以.npy为扩展名,压缩扩展名为.npz
- array:数组变量
np.load(fname)
- fname:文件名,以.npy为扩展名,压缩扩展名为.npz
NumPy的随机数函数子库
NumPy的random子库
np.random的随机函数
函数 | 说明 |
---|---|
rand(d0,d1,…,dn) | 根据d0-dn创建随机数组,浮点数,[0,1),均匀分布 |
randn(d0,d1,…,dn) | 根据d0-dn创建随机数组,标准正态分布 |
randint(low[,high,shape]) | 根据shape创建随机整数或整数数组,范围是[low,high) |
seed(s) | 随机数种子,s是给定的种子值 |
shuffle(a) | 根据数组a的第1轴进行随机排列,改变原数组 |
permutation(a) | 根据数组a的第1轴产生一个新的乱序数组,不改变原数组 |
choice(a[,size,replace,p]) | 从一维数组a中以概率p抽取元素(例如p=a/np.sum(a)),形成size形状新数组,replace表示是否可以重用元素,默认为True |
uniform(low,high,size) | 产生具有均匀分布的数组,low为起始站,high结束值,size形状 |
normal(loc,scale,size) | 产生具有正态分布的数组,loc均值,scale标准差,size形状 |
poisson(lam,size) | 产生具有泊松分布的数组,lam随机事件发生率,size形状 |
NumPy的统计函数
函数 | 说明 |
---|---|
sum(a,axis=None) | 根据给定轴axis计算数组a相关元素之和,axis整数或元组 |
mean(a,axis=None) | 根据给定轴axis计算数组a相关元素的期望,axis整数或元组 |
average(a,axis=None,weights=None) | 根据给定轴axis计算数组a相关元素的加权平均值 |
std(a,axis=None) | 根据给定轴axis计算数组a相关元素的标准差 |
var(a,axis=None) | 根据给定轴axis计算数组a相关元素的方差 |
min(a) max(a) | 计算数组a中元素的最小值、最大值 |
argmin(a) aragmax(a) | 计算数组a中元素最小值、最大值的降一维后下标 |
unravel_index(index,shape) | 根据shape将一维下标index转换成多维下标 |
ptp(a) | 计算数组a中元素最大值与最小值的差 |
median(a) | 计算数组a中元素的中位数(中值) |
NumPy的梯度函数
函数 | 说明 |
---|---|
np.grandient(f) | 计算数组f中元素的梯度,当f为多维时,返回每个维度梯度 |
梯度:连续值之间的变化率,即斜率。
XY坐标轴连续三个X坐标对应的Y轴值是:a,b,c,其中b的梯度是:(c-a)/2,如果a的左边没有元素,则a的梯度是(b-a)/1。
梯度函数主要应用于图像处理、声音处理。
发表评论
最新留言
感谢大佬
[***.8.128.20]2025年03月13日 21时44分32秒
关于作者

喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
idea中写mybatis报错
2019-03-03
RestFul 风格
2019-03-03
CSS浮动属性
2019-03-03
SVM多类识别
2019-03-03
svn 撤销已提交的错误修改
2019-03-03
算法工程师数学理论提高札记(improving)
2019-03-03
仿微信--主要版本说明
2019-03-03
Android存储
2019-03-03
Android网络优化--工具
2019-03-03
Android网络优化--精准获取流量消耗
2019-03-03
Android进程的启动流程
2019-03-03
异步任务--AsyncTask
2019-03-03
《硬件架构的艺术》学习笔记(3.1)---跨时钟域设计
2019-03-03
Filecoin官方发布:并不存在“双花”问题!
2019-03-03
VTK:图表之ShortestPath
2019-03-03
VTK:IO之DumpXMLFile
2019-03-03
VTK:IO之JPEGReader
2019-03-03
VTK:IO之MetaImageReader
2019-03-03
VTK:IO之WriteVTI
2019-03-03
VTK:图片之Actor2D
2019-03-03