标签：Python 元素 列表 dict 数组 np 操作 字典
基本数组
list[]
a = []
a=[1]*n # 生成相同元素的数组
list.append('Google') ## 使用 append() 添加元素
del list1[2] # 删除元素
len([1, 2, 3]) # 3 长度
type(a)
[1, 2, 3] + [4, 5, 6] # [1, 2, 3, 4, 5, 6] 组合
3 in [1, 2, 3] # True 元素是否存在于列表中
for x in [1, 2, 3]: print x, # 1 2 3 迭代
cmp(list1, list2) # 比较两个列表的元素
max(list) # 返回列表元素最大值
list(seq) # 将元组转换为列表
list.count(obj) # 统计某个元素在列表中出现的次数
list.extend(seq) # 在列表末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表）
list.index(obj) # 从列表中找出某个值第一个匹配项的索引位置
list.insert(index, obj) # 将对象插入列表
list.pop([index=-1]) # 移除列表中的一个元素（默认最后一个元素），并且返回该元素的值
list.remove(obj) # 移除列表中某个值的第一个匹配项
list.reverse() # 反向列表中元素
list.sort(cmp=None, key=None, reverse=False)# 对原列表进行排序
[[0 for col in range(cols)] for row in range(rows)] # 创建一个有规律的二维列表
[x for x in arr if x>5 ] #筛选
[x if x>5 else x+100 for x in arr ]
[x if z else y for x,y,z in zip(arr1,arr2,condition)] #和np.where函数一样的功能；
tuple()
tupl = ()
tup1 = (50,) #元组中只包含一个元素时，需要在元素后面添加逗号
tup1[0]
print "tup2[1:5]: ", tup2[1:5]
len(tupl) # 元素个数
type(图片里）
('Hi!',) * 4 # 复制
del list1[2] # 删除元素
tup3 = tup1 + tup2 # 可进行拼接
if x in (1, 2, 3): print x, #判断是否存在元素x
for x in (1, 2, 3): print x, #迭代
max(tupl)
min(tupl)
tulple(tupl)
cmp(tupl1, tupl2) #比较
tuple[0：10：3] #从0到9，步长为3.，取0,3,6，9
tuple01[：：3] #从头到为尾，步长为3
tuple01*2 #所有元素复制两倍
元组中的元素值是不允许修改的，禁止删除或添加元素，可以del删除整个元祖
任意无符号的对象，以逗号隔开，默认为元组
dict{}
字典的每个键值 key=>value对用冒号 : 分割，每个键值对之间用逗号，分割，整个字典包括在花括号 {} 中，键一般是唯一的，键必须不可变，所以可以用数字，字符串或元组充当，所以用列表就不行
a=[1]*n # 生成相同元素的数组
del list1[2] # 删除元素
# 向字典添加新内容的方法是增加新的键/值对，修改或删除已有键/值对，用[]和键进行修改或增加
str(dict) #输出字典可打印的字符串表示。
cmp(dict1, dict2)
len(dict)
type(variable) # 返回输入的变量类型，如果变量是字典就返回字典类型。
dict.clear() # 删除字典内所有元素
dict.copy() # 返回一个字典的浅复制
dict.fromkeys(seq[, val]) # 创建一个新字典，以序列 seq 中元素做字典的键，val 为字典所有键对应的初始值
dict.get(key, default=None) # 返回指定键的值，如果值不在字典中返回default值
dict.has_key(key) # 如果键在字典dict里返回true，否则返回false
dict.items() # 以列表返回可遍历的(键, 值) 元组数组
dict.keys() # 以列表返回一个字典所有的键
dict.setdefault(key, default=None) # 和get()类似, 但如果键不存在于字典中，将会添加键并将值设为default
dict.update(dict2) # 把字典dict2的键/值对更新到dict里
dict.values() # 以列表返回字典中的所有值
pop(key[,default]) # 删除字典给定键 key 所对应的值，返回值为被删除的值。key值必须给出。 否则，返回default值。
popitem() # 返回并删除字典中的最后一对键和值。
Numpy基础操作
基础
Numpy的主要数据类型是ndarray，即多维数组。它有以下几个属性：
ndarray.ndim：数组的维数
ndarray.shape：数组每一维的大小
ndarray.size：数组中全部元素的数量
ndarray.dtype：数组中元素的类型（numpy.int32, numpy.int16, and numpy.float64等）
ndarray.itemsize：每个元素占几个字节
import numpy as np
a = np.arange(15)
a = a.reshape(3, 5)
type(a) # <type 'numpy.ndarray'>
a.dtype.name # 'int64'
a.dtype # dtype('int64')
arr = arr.astype(np.int) #修改元素类型
b = np.array([(1.5,2,3), (4,5,6)]) # 由list生成ndarray
c = np.array( [ [1,2], [3,4] ], dtype=complex ) # 指定类型
np.zeros( (3,4) )
np.ones( (2,3,4), dtype=np.int16 )
np.empty( (2,3) ) # 随机数
np.arange( 10, 30, 5 ) # 最小值，最大值，步长（左闭右开）
np.linspace( 0, 2, 9 ) # 最小值，最大值，元素数量,等差数列
np.logspace(1,2,5,base=10) #从10**1到10**2的等比数列，5个数，不设base默认以e为底
# 维度变换
arr01 = np.random.randint(1,9,(3,4))
arr04.shape = (4,3) #先把3*4数组变成一维列表，再排成4*3数组
arr01 = np.random.randint(1,9,(3,4,5))
arr07.reshape(5,-1) #3*4*5维数组变成5*n
random
np.random.random( (2,3) ) #传入元祖，2*3数组，元素是0-1随机浮点数，返回类型是列表；
np.random.rand（2,3） #不传元祖,元素是0-1随机浮点数，2*3，
np.random.randn( 2,3 ) #不传元祖 ,元素是服从标准正态分布的随机样本，大部分在[-2,2]之间，2*3
np.random.randint(1,10,(2,3)) #1到9之间的随机整数，2*3
运算
两个二维使用*符号仍然是按位置一对一相乘，如果想表示矩阵乘法，使用dot
数组与标量运算，每个元素均与该标量进行运算
数组与数组运算，对应元素进行运算
当数组形状不一致时:要求就是B有一维是1，其他维和A一致,B和A低的维度形状相同
#A：2*3*4 与 B：2*1*4
a = np.array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]]])
b = np.array([[[ 0, 1, 2, 3]],
[[ 8, 9, 10, 11]]])
print(a+b)
结果<<<
[[[ 0 2 4 6]
[ 4 6 8 10]
[ 8 10 12 14]]
[[ 8 10 12 14]
[12 14 16 18]
[16 18 20 22]]]
#A：2*3*4 与 B：3*4
c = [[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]]
print(c+a)
结果<<<
[[[ 0 2 4 6]
[ 8 10 12 14]
[16 18 20 22]]
[[ 0 2 4 6]
[ 8 10 12 14]
[16 18 20 22]]]
print(b+c)
结果<<<
[[[ 0 2 4 6]
[ 4 6 8 10]
[ 8 10 12 14]]
[[ 8 10 12 14]
[12 14 16 18]
[16 18 20 22]]]
import numpy as np
# 内置函数（min,max,sum)，同时可以使用axis指定对哪一维进行操作：
b.sum(axis=0) # 按列计算和
b.min(axis=1) # 按行求最小值
b.cumsum(axis=1) # 按行迭代求和
<<<
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
结果：<<<
array([[ 0, 1, 3, 6],
[ 4, 9, 15, 22],
[ 8, 17, 27, 38]])
np.abs(b)
np.exp(b)
np.square(b)
np.sqrt(b)
np.add(a, b)
np.log(arr)
np.log2(arr)
np.log1p(arr) #分别计算自然对数、底数为2的log以及底数为e的log(1+x)
np.sign(arr) #计算各个元素的正负号: 1 正数，0：零，-1：负数
np.ceil(arr) #向上取整
np.floor(arr) #向下取整
np.rint(arr) #四舍五入
np.var( arr ) #求该arr方差 ，所有元素
np.arange(10)**3
结果：<<<array([ 0, 1, 8, 27, 64, 125, 216, 343, 512, 729])
a[ : :-1] # 反顺序
def f(x,y):
return 10*x+y
b = np.fromfunction(f,(5,4),dtype=int)
结果<<<
c = np.array( [[[ 0, 1, 2], # a 3D array (two stacked 2D arrays)
[ 10, 12, 13]],
[[100,101,102],
[110,112,113]]])
c.shape #(2,2,3)
c[1, ...] # ...与c[1,:,:]与c[1]相同
for row in c: # 遍历各行
print(row)
for element in b.flat: # flat属性，这是一个遍历整个数组的迭代器
print(element)
索引
arr09 = np.random.randint(1,9,(3,3,4))
<<<
[[[7 1 2 2]
[4 3 6 6]
[7 2 2 2]]
[[1 6 4 8]
[2 1 5 8]
[4 1 8 8]]
[[4 6 6 8]
[7 2 3 7]
[1 3 4 1]]]
arr09[:,:,:] #全部，和arr09一样
arr09[1] #第二个3*4数组；
<<<
array([[1, 6, 4, 8],
[2, 1, 5, 8],
[4, 1, 8, 8]])
arr09[:,1] #3*4
<<<
array([[4, 3, 6, 6],
[2, 1, 5, 8],
[7, 2, 3, 7]])
arr09[:,:,1] #3*3
<<<
array([[1, 3, 2],
[6, 1, 1],
[6, 2, 3]])
arr10[:,:] = 100 #直接修改arr10数组元素的值
arr12[ [0,3,5] ] #返回第0，3,5行
arr12[[0,3,5],[0,1,2]] #返回第0行第0列，第3行第1列，第5行第2列的那个数组成的数组
arr12[np.ix_( [0,3,5] , [0,1,2] ) ] #有索引器，返回3*3，第0行第0列，第3行第1列，第5行第2列
arr12[arr12<5] # 输出符合条件的值，返回值为一维
arr12[ [True,False,False,False,False,True,False,False] ] # 返回的是二维度数组
<<<
array([[ 0, 1, 2, 3],
[20, 21, 22, 23]])
arr13.T #矩阵转置操作
arr = np.random.randint(1,9,(2,2))
np.tile(arr,3) #横向拉伸3次，同np.tile(arr, (1，3))
<<<
array([[4, 5, 1, 4, 5, 1, 4, 5, 1],
[1, 7, 6, 1, 7, 6, 1, 7, 6]])
np.tile(arr,(3,3)) #横向拉伸3次，纵向拉伸3次
<<<
array([[4, 5, 1, 4, 5, 1, 4, 5, 1],
[1, 7, 6, 1, 7, 6, 1, 7, 6],
[4, 5, 1, 4, 5, 1, 4, 5, 1],
[1, 7, 6, 1, 7, 6, 1, 7, 6],
[4, 5, 1, 4, 5, 1, 4, 5, 1],
[1, 7, 6, 1, 7, 6, 1, 7, 6]])
np.tile(arr, (3,1)) # 纵向拉伸3次 注意repeat和tile的区别
<<<
array([[4, 5, 1],
[1, 7, 6],
[4, 5, 1],
[1, 7, 6],
[4, 5, 1],
[1, 7, 6]])
np.repeat(arr,2, axis=1)
<<<
array([[4, 4, 5, 5, 1, 1],
[1, 1, 7, 7, 6, 6]])
arr = np.random.randint(1,9,(2,3))
arr.mean(axis = 0) #1*3
<<<array([6.5, 2.5, 3.5])
arr.mean(axis = 1) #2*1
<<<array([4.33333333, 4. ])
np.where([[True, False], [True, True]] , [[1, 2], [3, 4]] , [[9, 8], [7, 6]])
np.unique(arr) #去除重复元素，如果arr是多维的，返回一维的
pandas dataFrame
dataFrame是比ndarray多了行标，列标的数组
import pandas as pd
df = pd.DataFrame(index=[1,2,3],columns=[4,5,6])
数组转换
1.生成普通python数组(bytearray(),os.urandom())
randomByteArray = bytearray(os.urandom(120000))
2.转换成numpy数组(numpy.array())
flatNumpyArray = np.array(randomByteArray)
3.通过reshape将数组转换到所需的维数
grayImage = flatNumpyArray.reshape(300, 400)
PIL.Image，OpenCV，Numpy图像格式相互转换
标签：Python,元素,列表,dict,数组,np,操作,字典 来源： https://blog.csdn.net/qingqiqiuwhy/article/details/111448915
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。