# 數據的基本定義 lst=np.array([[[1,2,3,4],[4,5,6,7]],[[7,8,9,10],[10,11,12,13]]]) print(lst) ''' [[[ 1 2 3 4][ 4 5 6 7]][[ 7 8 9 10][10 11 12 13]]] ''' print(lst.ndim) # 3 數據的維度，也叫做秩 rank print(lst.shape) # (2, 2, 4) print(lst.size) # 16 <==2*2*4 print(lst.itemsize) # 4

可以先求出shape 求出 ndim，即可得到維度，也是秩。0維所有的數據。一維數據有兩塊。二維數據有四列。

# 數據的操作 # 求和 print(lst.sum()) # 112 所有數據的和
# axis 越大深入程度越大，axis越小深入程度越小；
# 根據 axis 找到 該維度下的分塊
# 各塊數據進行操作
print(lst.sum(axis=0)) # 居然不是所有數據和？？？？？？ ''' # axis=0 實際應該是一維?? 維度下（分塊） 同等數據 相加！！！ [[ 8 10 12 14] [14 16 18 20]] '''print(lst.sum(axis=1)) # ''' [[ 5 7 9 11][17 19 21 23]] '''print(lst.sum(axis=2)) ''' [[10 22][34 46]] '''

求最大和最小：

# max print(lst.max()) # 13print(lst.max(axis=0)) ''' [[ 7 8 9 10][10 11 12 13]] '''print(lst.max(axis=1)) ''' [[ 4 5 6 7][10 11 12 13]] '''print(lst.max(axis=2)) ''' [[ 4 7][10 13]] '''# min print(lst.min(axis=1)) ''' [[ 1 2 3 4][ 7 8 9 10]] '''

?數據的拼接，分離和復制

# 拼接 print(np.concatenate((lst1,lst2),axis=0)) # 注意書寫格式 [10 20 30 40 4 3 2 1] print(np.vstack((lst1,lst2))) ''' [[10 20 30 40][ 4 3 2 1]] ''' print(np.hstack((lst1,lst2))) # 注意和上面的不同點 # [10 20 30 40 4 3 2 1]# 分離 print(np.split(lst1,2)) # 分成兩組 [array([10, 20]), array([30, 40])] print(np.split(lst1,4)) # [array([10]), array([20]), array([30]), array([40])]# 復制 print(np.copy(lst1))

?

轉載于:https://www.cnblogs.com/hanbb/p/7603713.html

總結

以上是生活随笔為你收集整理的数据的结构和运算（求和，最大和最小）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。