中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

Numpy的簡單用法

import numpy as np

一、創(chuàng)建ndarray對象

列表轉(zhuǎn)換成ndarray:

取隨機(jī)浮點(diǎn)數(shù)

>>> np.random.rand(3, 4)array([[ 0.16215336, 0.49847764, 0.36217369, 0.6678112 ], [ 0.66729648, 0.86538771, 0.32621889, 0.07709784], [ 0.05460976, 0.3446629 , 0.35589223, 0.3716221 ]])

取隨機(jī)整數(shù)

取零

>>> np.zeros((3,4))array([[ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.]])

取一

取空(最好別用，了解一下，版本不同返回值不一樣)

>>> np.empty((3,4))array([[ 1., 1., 1., 1.], [ 1., 1., 1., 1.], [ 1., 1., 1., 1.]])

取整數(shù)零或一

仿range命令創(chuàng)建ndarray：

>>> np.arange(2,10,2) # 開始，結(jié)束，步長array([2, 4, 6, 8])

二、ndarray屬性的查看和操作：

看ndarray屬性：

屬性強(qiáng)轉(zhuǎn)：

>>> a = np.array([1,2,3,4,5],dtype=np.float64)>>> aarray([ 1., 2., 3., 4., 5.])>>> a.astype(np.int32)array([1, 2, 3, 4, 5])

三、簡單操作：

批量運(yùn)算：

#等等

改變維度：

>>> a = np.array([[1,2,3,4,5],[6,7,8,9,0]],dtype=np.int32)>>> aarray([[1, 2, 3, 4, 5], [6, 7, 8, 9, 0]])>>> a.reshape((5,2))array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 0]])

矩陣轉(zhuǎn)換(和改變維度有本質(zhì)區(qū)別，仔細(xì))：

四、切片和索引：

一維數(shù)組：

>>> a = np.array(range(10))>>> aarray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])>>> a[3]3>>> a[2:9:2]array([2, 4, 6, 8])

多維數(shù)組：

條件索引：

>>> a = np.array([[1,2,3,4,5],[6,7,8,9,0],[11,12,13,14,15]],dtype=np.int32)>>> aarray([[ 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 0], [11, 12, 13, 14, 15]])>>> a > 5array([[False, False, False, False, False], [ True, True, True, True, False], [ True, True, True, True, True]], dtype=bool)>>> a[a>5]array([ 6, 7, 8, 9, 11, 12, 13, 14, 15])>>> a%3 == 0Out[128]: array([[False, False, True, False, False], [ True, False, False, True, True], [False, True, False, False, True]], dtype=bool)>>> a[a%3 == 0]array([ 3, 6, 9, 0, 12, 15])

五、函數(shù)(numpy核心知識點(diǎn))

計(jì)算函數(shù)：

統(tǒng)計(jì)函數(shù)

np.mean():所有元素的平均值np.sum():所有元素的和，參數(shù)是 number 或 arraynp.max():所有元素的最大值np.min():所有元素的最小值，參數(shù)是 number 或 arraynp.std()：所有元素的標(biāo)準(zhǔn)差np.var():所有元素的方差，參數(shù)是 number 或 arraynp.argmax()：最大值的下標(biāo)索引值，np.argmin():最小值的下標(biāo)索引值，參數(shù)是 number 或 arraynp.cumsum()：返回一個(gè)一維數(shù)組，每個(gè)元素都是之前所有元素的累加和np.cumprod()：返回一個(gè)一維數(shù)組，每個(gè)元素都是之前所有元素的累乘積，參數(shù)是 number 或 array>>> a = np.arange(12).reshape(3,4).transpose()>>> aarray([[ 0, 4, 8], [ 1, 5, 9], [ 2, 6, 10], [ 3, 7, 11]])>>> np.mean(a)5.5>>> np.sum(a)66>>> np.argmax(a)11>>> np.std(a)3.4520525295346629>>> np.cumsum(a)array([ 0, 4, 12, 13, 18, 27, 29, 35, 45, 48, 55, 66], dtype=int32)

判斷函數(shù)：

去除重復(fù)：

np.unique(): 去重>>> a = np.array([[1,2,3],[2,3,4]])>>> aarray([[1, 2, 3], [2, 3, 4]])>>> np.unique(a)array([1, 2, 3, 4])

以上就是python numpy的簡單用法匯總的詳細(xì)內(nèi)容，希望對你有所幫助。