【Python 学习】Numpy的基础和应用

[1 数组基础](#1 数组基础)
- [1.1 Numpy简介](#1.1 Numpy简介)
- [1.2 Numpy数组基础](#1.2 Numpy数组基础)
- [1.3 创建数组](#1.3 创建数组)
- - [1.3.1 使用np.array()函数生成数组](#1.3.1 使用np.array()函数生成数组)
  - [1.3.2 利用内置函数产生特定形式的数组](#1.3.2 利用内置函数产生特定形式的数组)
  - - [1.3.2.1 简单内置函数](#1.3.2.1 简单内置函数)
    - [1.3.2.2 特殊内置函数](#1.3.2.2 特殊内置函数)
  - [1.3.3 生成随机数组](#1.3.3 生成随机数组)
- [1.4 数组的数据类型](#1.4 数组的数据类型)
- [1.5 数组的迭代](#1.5 数组的迭代)
- 1.6数组的索引和切片
- - [1.6.1 一维数组的索引](#1.6.1 一维数组的索引)
  - [1.6.2 多维数组的索引](#1.6.2 多维数组的索引)
- [1.7 多维数组的合并和拆分](#1.7 多维数组的合并和拆分)
- - [1.7.1 合并](#1.7.1 合并)
  - [1.7.2 拆分](#1.7.2 拆分)
[2 数组的相关操作](#2 数组的相关操作)
- [2.1 统计相关操作](#2.1 统计相关操作)
- [2.2 形状相关操作](#2.2 形状相关操作)
- - [2.2.1 修改数组自身形状](#2.2.1 修改数组自身形状)
  - [2.2.2 修改数组形状（不修改自身）](#2.2.2 修改数组形状（不修改自身）)
  - [2.2.3 改变数组自身形状的方法](#2.2.3 改变数组自身形状的方法)
  - [2.2.4 数组的转置](#2.2.4 数组的转置)
  - [2.2.5 数组的降维](#2.2.5 数组的降维)
- [2.3 数组的四则运算、点乘与比较操作](#2.3 数组的四则运算、点乘与比较操作)
- - [2.3.1 数组的四则运算](#2.3.1 数组的四则运算)
  - [2.3.2 点乘](#2.3.2 点乘)
  - [2.3.3 比较操作](#2.3.3 比较操作)
[3 数组读写](#3 数组读写)
- [3.1 数据的读取](#3.1 数据的读取)
- [3.2 数据的写入](#3.2 数据的写入)

1 数组基础

1.1 Numpy简介

NumPy是Python的一个基础科学计算包，是许多高级的第三方科学计算的模块，如：Matplotlib、Pandas等，都是基于NumPy所构建的。它包含以下几个特点：

强大的多维数组功能。
精细而复杂的功能。
用于集成C / C ++和Fortran代码的工具。
实用的线性代数，傅里叶变换和随机数功能。

在使用数组前，必须首先导入Numpy模块 。导入格式：

import numpy as np

1.2 Numpy数组基础

数组是Numpy中的核心类型，全称为N维数组（N-dimensional Array, ndarray），整个Numpy模块都是围绕数组来构建的，它是一个固定大小和形状的大数据集容器，该对象由两部分组成：

实际的数据；
描述这些数据的元数据；

大部分的数组操作仅仅修改元数据的部分，而不改变底层的实际数据。

Numpy.array和标准的Python库中的Array.array是不一样的，标准的Python库中的Array.array只能处理一维数组，且所有元素的类型必须是一致的，支持的数据类型有整型、浮点型以及复数型，但这些类型不能够满足科学计算的需求，因此Numpy中添加了许多其他的数据类型，如bool、int、int64、float32、complex64等。

同时，NumPy数组有许多特有的属性。（见下表）

同学们可能会有疑问：创建一个数组arr = [ 1,2, 3], 我们想查看他的属性时需要调用内置函数 len(), dir() 来查看，这些函数后面都有括号；但是使用 .size 和 .shap 时却不用带括号

解答： 大家可以想一想我们学过的类，我们创建的类有方法和属性，方法是函数，属性就是一个变量；假设我们创建一个类和对象，A a，访问函数(方法)时用 a.Fun(), 访问变量(属性)时用 a.n 。

在Python中，len() 是一个内置函数，用于获取序列（如列表、字符串、元组等）的长度。因此，你需要使用括号来调用这个函数，因为它需要执行一些内部操作来计算长度。

而在NumPy中，.shape 和 .size 是数组对象的属性，而不是方法。属性是用来存储数据或状态信息的，因此不需要括号来调用。

代码演示：

python 复制代码

#在使用数组前，必须首先导入NumPy模块。导入格式：
import numpy as np

#定义一个数组
arr = np.array([[1,2,3],[4,5,6]])#注意，是[数组，数组]

print(arr) #打印出数组
print(f'数组的维度：{arr.ndim}') #数组的维度
print(f'数组形状：{arr.shape}') #数组的形状，几行几列
print(f'数组的个数：{arr.size}') #数组元素的个数
print(f'数组元素的类型：{arr.dtype}') #数组元素类型
print(f'元素所占字节：{arr.itemsize}') #元素所占字节
print(f'数组所占内存大小：{arr.nbytes}') #数组所占内存大小

a = np.array([[i for i in range(5)],[i for i in range(1,6)]])
print(arr)
print(f'数组的维度：{a.ndim}') #数组的维度
print(f'数组的形状：{a.shape}') #数组的形状，几行几列
print(f'数组的大小：{a.size}') #数组元素的个数

1.3 创建数组

1.3.1 使用np.array()函数生成数组

利用np.array()函数来创建，函数的参数可以是元组、列表，也可是另一个数组。语法格式为：

X = np.array(list/tuple) 或者 X = np.array(list/tuple, dtype = np.dtype)

注：当np.array()不指定dtype时，NumPy将根据数据情况自动匹配一个dtype类型。

注：若数值类型不同时，会将其合并为类型范围较大的一种

代码演示：

python 复制代码

print("自动匹配类型：")
a = np.array([[i for i in range(5)],[i for i in range(1,6)]])
print(a)
print(f'数组的维度：{a.ndim}') #数组的维度
print(f'数组的形状：{a.shape}') #数组的形状，几行几列
print(f'数组的大小：{a.size}') #数组元素的个数
print(f'数组元素的类型：{a.dtype}')
print('')

print("自定义的类型：")
arr = np.array([[1,2,3],(1,2,3)], dtype = np.float32)
print(arr)
print(f'维度：{arr.ndim}')
print(f'形状：{arr.shape}')
print(f'大小：{arr.size}')
print(f'数组元素的类型：{arr.dtype}')

#注：若数值类型不同时，会将其合并为类型范围较大的一种

1.3.2 利用内置函数产生特定形式的数组

1.3.2.1 简单内置函数

代码演示：

python 复制代码

print(np.arange(5))
print("")
print(np.zeros((2,2)))
print("")
print(np.ones((3,3)))
print("")
print(np.full((3,3),6))
print("")
print(np.eye(4))

1.3.2.2 特殊内置函数

np.arange()函数

语法：X = np.arange([start, stop, step, dtype=None )

注：np.arange()函数可以产生一个等距数组（左闭右开[ ,)域），其中：[ ] 内的内容可省略，start的默认值为0，step的默认值为1。故而，参数个数可以为1个、2个或3个。

代码演示：

python 复制代码

arr1 = np.arange(6)
print(f'np.arange(6):{ arr1}')

arr2 = np.arange(1,6)
print(f'np.arange(1, 6):{ arr2}')

arr3 = np.arange(2, 7, 2)
print(f'np.arange(1, 7, 2):{ arr3}')

np.linspace() 函数

语法：X = np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

注：Numpy中的linspace 函数可以用来创建由等差数列构成的一维数组。

数据类型	说明
start	序列的起始值
stop	序列的终止值,如果endpoint=Ture,该值包含于数列中
num	要生成的等步长的样本数量，默认为50
endpoint	该值为Ture时，数列中包含stop值，反之则不包含，默认值为True
retstep	如果为True时，生成的数组中会显示间距，反之不显示
dtype	ndarray的数据类型

代码演示：

python 复制代码

arr1 = np.linspace(1,10,10)
print(f"起始值为1，终止值为10，元素个数为10：{arr1}")

arr2 = np.linspace(1,1,10)
print(f"数组元素全部为1，个数为10的数列：{arr2}")

arr3 = np.linspace(10,20,5)
print(f'取终止值20：{arr3}')

arr4 = np.linspace(10,20,5,endpoint = False)
print(f'不取终止值20：{arr4}')

arr5 = np.linspace(1,6,6).reshape(2,3)
print(f'将数组设置为 2行3列 :')
print(arr5)

np.empty() 函数

注：X = np.empty(n)函数是生成一个指定形状和类型且全为空的数组，该函数只是让系统分配指定大小的内容，而并没有初始化，里面的值是随机的。n为生成数组元素的个数。

代码演示：

python 复制代码

arr1 = np.empty(2)
print(arr1)

1.3.3 生成随机数组

numpy.random.rand(d0, d1, ..., dn)函数
注：创建给定形状的数组，并使用[0.0, 1.0)上均匀分布的随机浮点数填充该数组。当函数没有参数时，返回一个随机浮点数，当函数有一个参数时，返回该参数长度大小的一维随机浮点数数组，当函数有两个及以上参数时，则返回对应维度的数组。
numpy.random.randint(low, high=None, size=None, dtype=int)函数
注：返回随机整数数组，数据值位于半开区间 [low, high) 。可以用size设置数组的形状，例如，若size为(m,n,k)，则绘制mnk形状的样本。size默认值为"None"，在这种情况下，将返回单个值。
numpy.random. randn(d0, d1, ..., dn)函数
注：返回一个或一组服从标准正态分布 的随机样本值。当函数没有参数时，则返回一个浮点数，当函数有一个参数时，则返回秩为1的数组，不能表示向量和矩阵，当函数有两个及以上参数时，则返回对应维度的数组，能表示向量或矩阵。
此外，np.random.standard_normal()函数与np.random.randn()类似，但是np.random.standard_normal()的输入参数为元组（tuple）。
numpy.random.shuffle(x) 函数
注：类似洗牌操作，修改参数x。参数x为要洗牌的数组、列表或可变序列。
numpy.random.permutation(x)函数
注：随机排列一个序列，或返回一个排列的范围。如果x是一个多维数组，则它只会沿着其第一个索引移动。

代码演示：

python 复制代码

arr1 = np.random.rand(5)
print(f"rand()生成长度为5的一维随机浮点数数组：{arr1}")
print('')
arr2 = np.random.rand(3,2)
print(f"rand()生成三行两列的随机小数数组:")
print(arr2)
print('')
arr3 = np.random.randint(1,5,size = (2,3))
print(f"randint()生成2行3列的从[1，5）之间取的整数数组：{arr3}")
print('')
arr4 = np.random.randn(10)
print(f"randn()生成一组符合标准正态分布的随机样本值：{arr4}")
print('')
arr5 = np.arange(10)
np.random.shuffle(arr5)
print(f"打乱数组的顺序：{arr5}")
print('')
arr7 = np.arange(10)
arr8 = np.random.permutation(arr7)
print(f"返回对arr7随机排序的结果：{arr8}")

1.4 数组的数据类型

当使用元组或列表时作为创建数组的参数时，若数据类型不同，会将其类型统一为类型范围较大的一 种，即当传入的数据有多种类型时，NumPy会自动进行判断，将数组转化为最为通用的类型。

代码演示：

python 复制代码

arr = np.array([[1,2,3],[6,7,8],(1.1, 2.2, 3.3)])
print(arr.dtype)

1.5 数组的迭代

一维数组：迭代返回对应数组中的每一个元素。

代码演示：

python 复制代码

arr1 = np.array([1, 2, 3])
print("一维数组迭代：")
for i in arr1:
    print(i)

多维数组：迭代返回值是一个维度减一的数组。

代码演示：

python 复制代码

print("二维数组迭代：")
arr2 = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
print(f"数组：{arr2}")
print("一次迭代：")
for i in arr2:
    print(i)

多维数组：可以进行列迭代和逐个元素迭代。

python 复制代码

arr3 = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
print(f"数组：{arr3}")
print("列迭代和逐个元素迭代：")
for i in arr3.flat:
    print(i)

1.6数组的索引和切片

1.6.1 一维数组的索引

一维数组的索引与列表类似，不仅支持单个元素的索引，还支持负数索引与切片，负索引或切片后得到的结果仍是一个数组，可以进行数组的相关操作。

代码演示：

python 复制代码

arr = np.arange(0,10)
print("不含步长：")
print(f"数组元素：{arr}")
print(f"单个元素的索引，索引第二个元素：{arr[1]}：")
print(f"从第二到倒数第一个元素，不包括最后一个元素：{arr[1: -1]}") #[]左闭右开
print(f"从索引1到索引9：{arr[1: 8]}")
print(f"从索引2到终止：{arr[2: ]}")
print(f"从开始到倒数第二个数：{arr[ : -1]}")
print("")
print("含步长：")
print(f"取索引2开始到索引10截止，步长为2：{arr[2: 10: 2]}")

s = slice(2, 10, 2)
print(f"使用slice函数切片：{arr[s]}")

1.6.2 多维数组的索引

单个元素：array[行数][列数]
某一行元素：array[行数：] 或 array[行数：]
某一列元素：array[：，列数]
某几行和某几列：
[起始行：终止行，起始列：终止列]

代码演示：

python 复制代码

arr = np.arange(9).reshape(3,3)
print("数组为：")
print(arr)
print(f"打印数组的1行且1列的元素：{arr[1][1]}")
print(f'打印数组2，3行且2列的元素：{arr[1:3,1]}') # : 两侧是左闭右开
print(f'打印第2列的所有元素：{arr[ : ,2]}')
print(f"打印1-2行和1-2列的元素：\n", arr[0:2,0:2])

1.7 多维数组的合并和拆分

1.7.1 合并

在水平方向上，一般采用 hstack() 函数实现两个数组的合并。
具体语法为：np. hstack((a,b)) 。
此外，concatenate(axis=1)函数和column_stack()函数可以实现类似的效果。

代码演示：

python 复制代码

arr1 = np.array([[1,1,1],[3,3,3]])
arr2 = np.array([[2,2,2],[4,4,4]])
arr3 = np.hstack((arr1,arr2))
print(f"水平方向的合并：{arr3}")
print(f"采用concatenate方法在水平方向合并数组：{np.concatenate((arr1, arr2), axis = 1)}")
print(f"采用column_stack方法在水平方向合并数组：{np.column_stack((arr1, arr2))}")

在竖直方向上一般采用vstack()函数实现两个数组的合并。

具体语法为：np. vstack((a,b)) 。

当参数axis设置为0时，concatenate()函数可以得到同样的结果。row_stack()函数亦如是。除此之外，还有一种是深向合并的操作，它是沿着第三个坐标轴的方向来合并，使用到的函数是dstack()。

代码演示：

python 复制代码

arr3 = np.array([[1,1,1],[3,3,3]])
arr4 = np.array([[2,2,2],[4,4,4]])
arr5 = np.vstack((arr3,arr4))
print(f"使用vstack，竖直方向的合并：{arr5}")

arr6 = np.dstack((arr3,arr4))
print(f"使用dstack，数组的深向合并：\n",arr6)

1.7.2 拆分

水平拆分：对于一个n*m的数组，可以沿着水平方向将其拆分为m部分，并且各部分的大小和形状完全相同： hsplit()、 split(axis=1)
竖向拆分：对于一个n*m的数组，也可以沿着竖向(按行)将其拆分为n部分，并且各部分的大小和形状完全相同：vsplit()、split(axis=0)
深向拆分：对于一个n*m的数组，也可以沿着深向将其拆分为n部分：dsplit()

python 复制代码

arr = np.arange(12).reshape(3,4)
print(f"采用hsplit函数实现水平拆分（按列拆分）：\n",np.hsplit(arr,2)) #拆分成每行两列
print(f"采用vsplit函数实现竖直拆分（按行拆分）：\n",np.vsplit(arr, 1))#拆分成每列一行
print(f"采用axis=0的split实现竖直拆分（按行拆分）：\n",np.split(arr,1,axis = 0))

2 数组的相关操作

2.1 统计相关操作

Numpy 提供了很多统计函数，可以支持对数组的多种统计操作。

例如，从数组中查找最小元素，最大元素，计算均值、标准差和方差等。

常见的统计函数及说明见表：

代码演示：

python 复制代码

arr = np.arange(12).reshape(3,4)
np.random.shuffle(arr)
print(f"对所有元素求和：{arr.sum()}")
print(f"对指定维数求和，返回一个数组：{arr.sum(axis= 1)}")
print(f"最大值：{arr.max()}, 最小值：{arr.min()}")
print(f"数组中的元素沿axis=1方向的最大值：{arr.max(axis=1)}")
print(f"数组中anxis=0轴方向的最大值和最小值的差：{arr.ptp(axis=0)}")
print(f"最大值的位置：{arr.argmax()}, 最小值的位置：{arr.argmin()}")
print(f"平均值：{arr.mean()}")
print(f"所有元素求积：{arr.prod()}")
print(f"标准差：{arr.std()}, 方差：{arr.var()}")
print("-----------")
a = np.array([[1,2,3],[4,5,6]])
print(f"指定权重数组，调用averge()函数的，沿axis=1计算数组中元素的加权平均值：{np.average(a,axis = 1,weights = a)}")
print(f"调用std()函数，计算数组标准差：{np.std(a)}")

2.2 形状相关操作

2.2.1 修改数组自身形状

.shape属性

代码演示：

python 复制代码

arr1 = np.arange(10)
arr1.shape = 2,5
print(f"shap 直接在原数组上修改：{arr1}")

2.2.2 修改数组形状（不修改自身）

reshape()方法也可以实现类似.shape属性的效果，但是它不改变 原数组的形状，并返回一个新的数组。注意：形状参数必须与数组大小一致，否之会抛出异常。

reshape()方法可以接受一个"-1"作为参数，当某一维度是-1时，Numpy会自动根据其他维度来计算这一维度的大小。

代码演示：

python 复制代码

arr2 = np.arange(9)
arr3 = arr2.reshape(3,3)
print(f"原数组arr2：{arr2}")
print(f"修改后的数组arr3：\n",arr3)

arr4 = arr2.reshape(-1, 3)
print(f"使用-1，系统自动根据其他参数匹配维度：\n",arr4)

print("------")
arr5 = np.arange(6)
arr6 = arr5.reshape(-1,3)
print(f"原数组arr4：{arr5}")
print(f"当参数为-1时，其他维度自动计算大小：\n",arr6)

2.2.3 改变数组自身形状的方法

.resize() 方法的作用与reshape()方法的功能一致，但改变原来数组的形状。它的原理是首先将原来数组转变为一维数组，再判断元素的个数，若缺失，则缺失元素 以0补全 ；若过满，则只截取所需元素，从而实现对数组形状的修改。

注意：.resize()方法不支持-1参数。

代码演示：

python 复制代码

arr1 = np.arange(10)
arr1.resize(2,5)
print(arr1)

arr1.resize(4,4)
print(f"元素过多以0补全：{arr1}")

2.2.4 数组的转置

对于数组而言，转置可以通过 .T 属性和 .transpose() 方法实现。一般情况下，这两种方法是等价的。对一维数组而言，转置返回它的本身；对于二维数组而言，转置相当于将其行列互换 ；对于多维数组而言，转置是将所有的维度反向，原来的第一维变为最后一维，原来的最后一维变成第一维。

代码演示：

python 复制代码

arr1 = np.arange(12)
arr1.resize(3,4)
print(arr1)
print('------------------')
print('arr1.T 转置后：')
arr2 = arr1.T
print(arr2)

print('------------------')
print('arr1.transport() 转置后：')
arr3 = arr1.transpose()
print(arr3)

2.2.5 数组的降维

数组的降维是针对多维数组而言的，可以利用 .flat 属性得到数组中的一个一维引用数组，同时，此属性支持修改对应数值，从而使原数组的对应位置有相应的改变。
.flatten() 方法和 .revel() 方法也可以实现将数组返回一维化的结果，但是.flatten()方法返回的是原数组的一个复制，修改它对原数组不产生影响。.revel()方法是返回引用，只有在必要时返回复制。

python 复制代码

# .flat 先把数组都变成一维，支持修改对应数值
arr1 = np.arange(10).reshape(2,5)

print("原数组：\n", arr1)
print(f"打印arr1.flat[-1]: { arr1.flat[-1]}")

arr1.flat[-1] = 100
print(f"采用arr1.flat[-1]=100修改后打印arr1：\n", arr1)

arr2 = arr1.flatten()
print(f"采用flatten方法实现数组一维化：{arr2}")

2.3 数组的四则运算、点乘与比较操作

2.3.1 数组的四则运算

数组与数字之间的四则运算，规则是数组元素分别对应进行相应运算。
数组与数组之间也可以进行四则运算，前提是参与运算的数组需有相同的行列 。运算规则是按位运算，对应位置进行运算。此外，数组还支持幂运算、取余和取整运算。

代码演示：

python 复制代码

arr1 = np.array([[1,2,3],[4,5,6]])
arr2 = np.array([[1,2,3],[4,5,6]])
print('arr1:\n',arr1)
print("arr2: \n",arr2)
#所有元素+2，加减乘除都一样
print(f"arr1所有元素+2：\n",arr1+2)
#所有元素+2，加减乘除都一样
print("两个数组相减：\n",arr1 - arr2)
print("arr1**arr2 (arr1对应位置上arr2的次幂)：\n", arr1**arr2)
print("arr1 % arr2(取余运算)：\n",arr1 % arr2)
print("arr1 // arr2(取整运算)：\n", arr1//arr2)

2.3.2 点乘

在数学上，二维数组可以看成矩阵，一维数组可以看成向量，它们还支持点乘运算，用.dot()函数实现。

代码演示：

python 复制代码

arr1 = np.array([[1,2,3],[4,5,6]])
arr2 = np.array([[1,2,3],[4,5,6]])
print('arr1:\n',arr1)
print("arr2: \n",arr2)
print(" arr1.dot(arr2.T) (.dot()函数实现矩阵乘法):\n", arr1.dot(arr2.T))

2.3.3 比较操作

数组还支持其他运算，例如，比较和逻辑操作 。在比较操作中，数组可以与一个数 进行比较，会返回一个布尔型 的数组；数组与数组之间也可以进行比较，返回一个布尔型数组。

代码演示：

python 复制代码

arr1 = np.array([[1,2,3],[4,5,6]])
arr2 = np.array([[4,5,6],[1,2,3]])
print('arr1:\n',arr1)
print("arr2: \n",arr2)
print("arr1>3(数组与一个数进行比较)：\n", arr1>3)
print("arr1>arr2(数组与数组比较)：\n", arr1 > arr2)

3 数组读写

3.1 数据的读取

从文本文件中读取数据： np.loadtxt()函数 。语法格式为：

*numpy.loadtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None, , like=None)

数据类型	说明
frame	文字、字符串或产生器，可以是.gz 或 .bz2 的压缩文件
dtype	结果数据的数据类型；默认值为float
delimiter	分隔字符串，默认是空格
skiprows	指跳过前n行，包括注释；默认值为0
usecols	要读取的列，0是第一列。例如，usecols=（1,4，5）将提取第2、第5和第6列。默认值"None"将读取所有列
unpack	如果为True，读入属性将分别写入不同变量

数据的分隔字符为空格

代码演示：

python 复制代码

s = np.loadtxt('test.txt')
print(f"读取的数据类型为：{s.dtype}")
print(f"读取的数据内容为：{s}")

数据的分隔字符为 ' ，'
如果文件中的数据不是空格分隔，可以设置参数delimiter指定分隔符。

python 复制代码

s = np.loadtxt('test.txt',delimiter = ',')
print(f"读取的数据类型为：{s.dtype}")
print(f"读取的数据内容为：{s}")

文件中含有字符串数组
如果文件中的含有字符串的数组，可以加上一个参数值。

代码演示：

python 复制代码

s = np.loadtxt('test.txt',str)
print(f"读取的数据类型为：{s.dtype}")
print(f"读取的数据内容为：{s}")

文件中包含字符串和数值型的混合数据,可以如下指定数据类型进行读取。

python 复制代码

s = np.loadtxt('test.txt',skiprows = 1,dtype = {'names':('name','age','number'),'formats':('S10','i4','f4')})
print(f"读取的数据类型为：{s.dtype}")
print(f"读取的数据内容为：{s}")

3.2 数据的写入

将数组写入文件：np.savetxt() ，

写入时默认使用科学记数法的形式保存数字。语法格式如下：
np.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n', header='', footer='', comments='# ', encoding=None)

数据类型	说明
frame	文字、字符串或产生器，可以是.gz 或 .bz2 的压缩文件
X	一维或二维数组，即要保存到文本文件的数据
fmt	单一格式（如10.5f）、格式序列或多格式字符串
delimiter	分隔字符串，默认是空格

使用默认参数写入

代码演示：

python 复制代码

arr = np.array([[1,2,3],[4,5,6]])
np.savetxt("test.txt",arr)

可以使用fmt参数设置数据写入的格式

代码演示：

python 复制代码

arr = np.array([[1,2,3],[4,5,6]])
np.savetxt("test.txt",arr,fmt = "%d")

可以用delimiter参数指定分隔符

代码演示：

python 复制代码

arr = np.array([[1,2,3],[4,5,6]])
np.savetxt("test.txt",arr,fmt = "%d",delimiter = ',')

【Python 学习】Numpy的基础和应用

目录

1 数组基础

1.1 Numpy简介

1.2 Numpy数组基础

1.3 创建数组

1.3.1 使用np.array()函数生成数组

1.3.2 利用内置函数产生特定形式的数组

1.3.2.1 简单内置函数

1.3.2.2 特殊内置函数

1.3.3 生成随机数组

1.4 数组的数据类型

1.5 数组的迭代

1.6数组的索引和切片

1.6.1 一维数组的索引

1.6.2 多维数组的索引

1.7 多维数组的合并和拆分

1.7.1 合并

1.7.2 拆分

2 数组的相关操作

2.1 统计相关操作

2.2 形状相关操作

2.2.1 修改数组自身形状

2.2.2 修改数组形状（不修改自身）

2.2.3 改变数组自身形状的方法

2.2.4 数组的转置

2.2.5 数组的降维

2.3 数组的四则运算、点乘与比较操作

2.3.1 数组的四则运算

2.3.2 点乘

2.3.3 比较操作

3 数组读写

3.1 数据的读取

3.2 数据的写入