【Numpy 学习01】常量

前言

注：文章代码示例均导入 import numpy as np

numpy 库 包括以下几个常量：np.NaN、 np.inf、np.pi、 np.e

1 np.NaN

1. 表示空值 np.nan=np.NaN=np.NAN
2. 两个np.NaN不相等
   【例1-1】 判断两个np.nan的关系

#两个np.NaN 不相等
import numpy as np

print(np.NaN == np.NaN) #False
print(np.NaN != np.NaN) #True

3. numpy.isnan(x, *args, **kwargs) 对每个元素检测是否有nan值并返回布尔值
   代码示例：
   【例1-2】计算ndarray中非数值常量的数量

import numpy as np
x = np.array([2,1,3,np.nan,0])

print(x) #[ 2.  1.  3. nan  0.]

y = np.isnan(x)

print(y) #[False False False  True False]

z = np.count_nonzero(y)

print(z) #1

2 np.inf

1.正无穷大五种表现形式 Inf = inf = infty = Infinity = PINF
2.
【例2】判断Inf ，inf ， infty ， Infinity ， PINF之间的关系

import numpy as np

print(np.Inf == np.inf)
print(np.inf == np.infty)
print(np.infty == np.Infinity)
print(np.Infinity == np.PINF)

输出结果：
True
True
True
True

3 np.pi

表示圆周率
【例3】打印圆周率

import numpy as np

print(np.pi) #3.141592653589793

4 自然数e

【例4】打印自然数e

import numpy as np

print(np.e) #输出2.718281828459045

5 伽马常数γ

【例5】打印伽马常数

import numpy as np

print(np.euler_gamma) #输出0.5772156649015329

6 None(newaxis)

np.newaxis 字面上理解用来创建新轴，或者对array进行维度扩展
【例6-1】判断None和newaxis的关系

import numpy as np

print(None == np.newaxis) 

结果：True

【例6-2】newaxis的用法

>>>import numpy as np

>>>x = np.array([0,1,2,3])
>>>print(x)
>>>print(x.shape)
#表示x是一维的ndarray变量
[0 1 2 3]
(4,)

>>>x1 = x[np.newaxis,:]
>>>print(x1)
>>>print(x1.shape)
#表示x1是二维的ndarray变量1*4
[[0 1 2 3]]
(1, 4)

>>>x2 = x[:,np.newaxis]
>>>print(x2)
>>>print(x2.shape)
#x2是二维的ndarray变量 4*1
[[0]
 [1]
 [2]
 [3]]
(4, 1)

可以通过例子看到np.newaxis的作用是添加维度。放在前面如x1，在前面添加维度（把原来的一维变量放到新的二维变量中）。若放在后面，如x2，在后面添加维度的同时，并把原来一维的变量打散，作为二维的一维变量

参考博客：https://blog.csdn.net/Xiao_Spring/article/details/109166534