# -*- coding: utf-8 -*- """ Created on Tue Aug 09 23:04:51 2016@author: Administrator """import numpy as np'''python中的list是python的內置數據類型，list中的數據類不必相同的，而array的中的類型必須全部相同。在list中的數據類型保存的是數據的存放的地址，簡單的說就是指針，并非數據，這樣保存一個list就太麻煩了，例如list1=[1,2,3,'a']需要4個指針和四個數據，增加了存儲和消耗cpu。numpy中封裝的array有很強大的功能，里面存放的都是相同的數據類型 ''' #模塊1 array list 基本展示 list1=[1,2,3,'a'] print list1 a=np.array([1,2,3,4,5]) b=np.array([[1,2,3],[4,5,6]]) c=list(a) # array到list的轉換 print a,np.shape(a) print b,np.shape(b) print c,np.shape(c) ''' [1, 2, 3, 'a'] [1 2 3 4 5] (5L,) [[1 2 3][4 5 6]] (2L, 3L) [1, 2, 3, 4, 5] (5L,) '''''' whos Variable Type Data/Info ------------------------------- a ndarray 5L: 5 elems, type `int32`, 20 bytes b ndarray 2Lx3L: 6 elems, type `int32`, 24 bytes c list n=5 list1 list n=4 np module <module 'numpy' from 'C:\<...>ages\numpy\__init__.pyc'> '''#模塊2 #創建：array的創建：參數既可以是list，也可以是元組.使用對應的屬性shape直接得到形狀 print '222222222222222222222222222222222222222222\n' a=np.array((1,2,3,4,5))# 參數是元組 b=np.array([6,7,8,9,0])# 參數是list c=np.array([[1,2,3],[4,5,6]])# 參數二維數組 print a,b print c.shape #[1 2 3 4 5] [6 7 8 9 0] (2L, 3L) #print a,b, #[1 2 3 4 5] [6 7 8 9 0] #(2L, 3L) 注意：print 后面加上 \n 換行；注意：print a,b b后面沒有,換行了，如果有,不換行#模塊3 也可以直接改變屬性array的形狀，-1代表的是自己推算 print '33333333333333333333333333333333333333333333\n' c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]]) print c.shape # (3L, 4L) c.shape=4,-1 print c c.reshape(2,-1) print c print 'reshape產生新的變量' x = c.reshape(2,-1) print x ''' 33333333333333333333333333333333333333333333(3L, 4L) [[ 1 2 3][ 4 4 5][ 6 7 7][ 8 9 10]] [[ 1 2 3][ 4 4 5][ 6 7 7][ 8 9 10]] reshape產生新的變量 [[ 1 2 3 4 4 5][ 6 7 7 8 9 10]] ''' ''' 里的reshape最終相當于是一個淺拷貝，也就是說還是和原來的書c使用相同的內存空間 ''' x[0]=1000 print x print c ''' 33333333333333333333333333333333333333333333(3L, 4L) [[ 1 2 3][ 4 4 5][ 6 7 7][ 8 9 10]] [[ 1 2 3][ 4 4 5][ 6 7 7][ 8 9 10]] reshape產生新的變量 [[ 1 2 3 4 4 5][ 6 7 7 8 9 10]] [[1000 1000 1000 1000 1000 1000][ 6 7 7 8 9 10]] [[1000 1000 1000][1000 1000 1000][ 6 7 7][ 8 9 10]] '''#模塊4 前面在創建數組的時候并沒有使用數據類型，這里我們也可以使用數據類型。默認的是int32. a1=np.array([[1,2,3],[4,5,6]],dtype=np.float64) print a1.dtype,a.dtype #float64 int32#模塊5 前面在創建的時候我們都是使用的np.array()方法從tuple或者list轉換成為array，感覺很是費勁，numpy自己提供了很多的方法讓我們自己直接創建一個array. arr1=np.arange(1,10,1) arr2=np.linspace(1,10,10) print arr1,arr1.dtype print arr2,arr2.dtype ''' [1 2 3 4 5 6 7 8 9] int32 [ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.] float64 np.arange(a,b,c)表示產生從a-b不包括b，間隔為c的一個array，數據類型默認是int32。但是linspace(a,b,c)表示的是把a-b平均分成c分，它包括b。 '''#模塊6 有時候我們需要對于每一個元素的坐標進行賦予不同的數值，可以使用fromfunction函數 print '666666666666666666\n' def fun(i): return i%4+2 print np.fromfunction(fun,(10,)) #[ 2. 3. 4. 5. 2. 3. 4. 5. 2. 3.] def fun2(i,j):return (i+1)*(j+1) print np.fromfunction(fun2,(9,9)) ''' 雖然說，這里提供了很多的直接產生array的方式，但是大部分情況我們都是會從list進行轉換，因為在實際的處理中，我們需要從txt加載文件，那樣直接讀入的數據顯示存放到list中， 需要處理的時候我們轉換到array,因為array的設計更加符合我們的使用，涉及到矩陣的運算在使用mat，那么list主要就是用進行元素的索取。 ''' def loaddataSet(fileName): file=open(fileName) dataMat=[] for line in file.readlines(): curLine=line.strip().split('\t') floatLine=map(float,curLine) #這里使用的是map函數直接把數據轉化成為float類型 dataMat.append(floatLine) return dataMat #上面的返回最終的數據就是最初的list數據集，再根據不同的處理需求是轉化到array還是mat。其實array是mat的父類，能用mat的地方，array理論上都能傳入。#模塊7 元素訪問： arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) print '77777777777777777' '''一維數組方法 arr[5] #5 arr[3:5] #array([3, 4]) arr[:5] #array([0, 1, 2, 3, 4]) arr[:-1]# array([0, 1, 2, 3, 4, 5, 6, 7, 8]) arr[:] #array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) arr[2:4]=100 # array([ 0, 1, 100, 100, 4, 5, 6, 7, 8, 9]) arr[1:-1:2] #array([ 1, 100, 5, 7]) 2 是間隔 arr[::-1] #array([ 9, 8, 7, 6, 5, 4, 100, 100, 1, 0]) arr[5:2:-1]# -1的間隔表示從右向左所以5>2 #array([ 5, 4, 100]) '''#我們再來看看二維的處理方式 c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]]) print c[1] print c[1:2] print c[1][2] print c[1:4] print c[1:4][0][2] ''' [4 5 6 7] [[4 5 6 7]] 6 [[ 4 5 6 7][ 7 8 9 10]] 6 可以看出對于有:的表達最終的結果外面還嵌套一層list的[]，。訪問的一定要注意，python最bug的就是，語法 靈活，不管怎樣寫索引語法都是正確的，但是最終的書結果卻讓你大跌眼鏡。 還有array的索引最終產生的是一個一個原始數據的淺拷貝，還和原來的數據共用一塊兒內存 ''' b=arr[1:6] b[:3]=0 print b#產生上面的原因是因為array中直接存放的數據，拷貝的話直接拿走的是pointer，沒有取走數據，但是list卻會直接發生深拷貝，數據指針全部帶 list1=list(c) list1[1]=0 print list1 #上面修改的0并沒有被改變 print c #[array([1, 2, 3, 4]), 0, array([ 7, 8, 9, 10])]#模塊8 ''' 除了這些之外還有自己的更加牛掰的方式（只能用array) 1）使用布爾數組.感覺甚是強大，就不要自己寫什么判斷語句啦，注意這種方式得到結果不和原始數組共享空間。 布爾索引僅僅適用于數組array，list沒資格用。布爾索引最終得到下標索引為true的數據。索引只能是布爾數組 ''' print '888888888888\n' a=np.array((1,2,3,4,5))# 參數是元組 a=np.array(a*2) print a[a>5] #[ 6 8 10] print a>5 # [False False True True True]#列表索引可以是數組和list。返回的數據不和原來的數據共享內存。索引可以是list和array x=np.arange(10) index=[1,2,3,4,5] arr_index=np.array(index) print x print x[index] # list索引 print x[arr_index] # array索引 print '8-1' a=np.arange(10) lista=list(a) print a*2 print lista*2 #大跌眼鏡，數組和list的乘積很嚇人''' [ 0 2 4 6 8 10 12 14 16 18] [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9] '''#模塊9 array的廣播 print '9\n' a = np.arange(0, 60, 10).reshape(-1, 1) b = np.arange(0, 5) print a print b print np.add(a,b)

?

轉載于:https://www.cnblogs.com/qqhfeng/p/5755162.html

總結

以上是生活随笔為你收集整理的list array解析(总算清楚一点了)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。