0
点赞
收藏
分享

微信扫一扫

数据分析----numpy数组的三种创建方式

一、使用列表创建numpy数组

1 使用numpy创建一维数组

数据分析----numpy数组的三种创建方式_数据分析

2 使用numpy创建二维数组

数据分析----numpy数组的三种创建方式_数组_02

3 使用numpy创建一维数组,源为不同数据类型的列表

如下,源虽然是不同类型的元素的列表,但是创建numpy对象后,都转换为字符串类型,类型的优先级是:字符串 > 浮点数 > 整数

数据分析----numpy数组的三种创建方式_算法_03

二、通过读取图片创建多维numpy数组

1 将图片信息读取到numpy数组中

首先在jupyter根目录中上传了一张"100.png"的图片,然后使用如下代码即可读取

import matplotlib.pyplot as plt
img_arr=plt.imread("./100.png")

回显如下:

array([[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.],
...,
[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]],

[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.],
...,
[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]],

[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.],
...,
[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]],

...,

[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.],
...,
[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]],

[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.],
...,
[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]],

[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.],
...,
[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]]], dtype=float32)

2 在jupyter中读取图片数据后并显示

数据分析----numpy数组的三种创建方式_python_04

3 对图片数组数据处理

对数组中每个元素减0.1,图像已经发生了变化

数据分析----numpy数组的三种创建方式_数据分析_05

三、通过指定函数生成numpy数组

1 生成多维数组

数据分析----numpy数组的三种创建方式_数据分析_06

2 生成一维线性数组

数据分析----numpy数组的三种创建方式_算法_07

3 生成一维等差数列

数据分析----numpy数组的三种创建方式_数据分析_08

4 生成随机的多维数组

数据分析----numpy数组的三种创建方式_数据分析_09


举报

相关推荐

0 条评论