目录
数据的维度
NumPy
CSV文件
多维数据的存取
NumPy的便捷式文件截取
NumPy的随机数函数子库
NumPy的统计函数
NumBy的梯度函数
图像的数组表示
图像的变换
数据的维度
- 维度:
- 一组数据的组织形式
- 一维数据
- 由对等关系的有序或无序数据构成,采用线性方式组织
- 列表和集合类型
- 列表和数组
- 二维数据
- 由多个一维数据构成,是一维数据的组合形式
- 列表类型
- 表格
- 多维数据
- 高维数据
- 仅用最基本的二元关系展示数据间的复杂结构
- 字典类型或数据表示格式
NumPy
- NumPy是一个开源的Python科学计算基础库
- 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
- NumPy引用:
- N维数组对象 ndarray
- 传统:for循环
-
import numpy as np
def npSum():
a = np.array([0,1,2,3,4])
b = np.array([9,8,7,6,5])
c = a**2 + b**3
return c
print(npSum())
-
一个维度所有数据的类型往往相同,数组对象采用相同的数据类型,有助于节省运算和存储空间
-
ndarray由两部分构成
-
实际数据
-
描述这些数据的元数据(数据维度,数据类型)
-
实例
-
ndarray对象的属性
-
ndarray的元素类型
- ndarray数组的创建方法
- 从Python中列表,元组等类型创建
- x=np.array(list/tuple)
- x=np.array(list/tuple,dtype=np.float32)
- 列表类型创建 元组类型创建 列表元组混合创建
- 使用NumPy中函数创建
- ndarray数组的变换
- 从字节流创建
- 从文件中读取特定格式
- ndarray数组的操作
- ndarray数组的运算
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
- 格式
- 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,如:%d %.2f %.18e
-
delimiter:分隔字符串,默认是任何空格
- 例子:
-
a = np.arange(100).reshape(5,20)
np.savetxt('a.csv',a,fmt = '%d',delimiter=',')
-
- 格式
- 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:分隔字符串,默认是任何空格
-
unpack:如果True,读入属性将分别写入不同变量
- 例子
- CSV文件的局限性
- CSV只能有效存储一维和二维数组
- np.savetxt() np.loadtxt() 只能有效存取一维和二维数组
多维数据的存取
- a.tofile(frame,sep='',format='%s')
- 没有维度信息,将元素逐一列出
- 二进制文件比文本文件占用更小的空间
- np.fromfile(frame,dtype=float,count=-1,sep='')
- frame:文件,字符串
- dtype:读取的数据类型
- count:读取元素个数,-1表示读入整个文件
- sep:数据分割字符串,如果是空串,写入文件为二进制
NumPy的便捷式文件截取
- np.save(frame,array)或np.savez(fname,array)
- frame: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的统计函数
NumBy的梯度函数
图像的数组表示
- RGB色彩模式
- PIL库
- 图像是一个由像素组成的二维数组,每个元素是一个RGB值
图像的变换
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
