Python之numpy函数
活动地址:CSDN21天学习挑战赛
学习的最大理由是想摆脱平庸,早一天就多一份人生的精彩;迟一天就多一天平庸的困扰。
学习日记
目录
学习日记
一、numpy概述
1、numpy简介
2、numpy安装
二、 Ndarray 对象
1、概述
2、ndarray特点
3、内部结构
三、数据类型对象 (dtype)
四、NumPy 创建数组
五、数组属性
1、ndarray.shape
2、ndarray.ndim(返回数组的维数)
3、numpy.itemsize(返回数组中每个元素的字节单位长度)
4、numpy.arange(返回ndarray对象,包含给定范围内的等间隔值)
5、numpy.linspace
六、创建数组
1、通过列表创建一维数组
2、通过列表创建二维数组
3、创建全为0的二维数组
4、创建全为1的三维数组
5、full函数创建任意大小的数组并填充任意数字
6、创建一维等差数组
7、创建二维等差数组
8、创建单位矩阵(二维数组)
9、创建二维随机数组
10、创建二维随机整数数组(数值小于 6)
七、数组运算
1、和
2、mean
3、argsort
4、矩阵乘法
5、矩阵求逆
一、numpy概述
1、numpy简介
NumPy是一个功能强大的Python库,主要用于对多维数组执行计算。NumPy提供了大量的库函数和操作,可以帮助程序员轻松地进行数值计算。这类数值计算广泛用于机器学习模型、图像处理、数学任务等方面。
2、numpy安装
pip install numpy
二、 Ndarray 对象
1、概述
NumPy 中定义的最重要的对象是称为
ndarray
的 N 维数组类型。 它是一系列同类型数据的集合,以 0 下标为开始进行集合中元素的索引。
ndarray
中的每个元素在内存中使用相同大小的块。ndarray
中的每个元素是数据类型对象的对象(称为dtype
)。从ndarray
对象提取的任何元素(通过切片)由一个数组标量类型的 Python 对象表示。 下图显示了ndarray
,数据类型对象(dtype
)和数组标量类型之间的关系。
2、ndarray特点
ndarray 对象是用于存放同类型元素的多维数组。
ndarray 中的每个元素在内存中都有相同存储大小的区域。
3、内部结构
#基本的Ndarray 是使用 NumPy 中的数组函数创建的。 numpy.array
创建一个 ndarray 只需调用 NumPy 的 array 函数即可
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
三、数据类型对象 (dtype
)
dtype
可由语法构造
numpy.dtype(object, align, copy)
Object
:被转换为数据类型的对象。Align
:如果为true
,则向字段添加间隔,使其类似 C 的结构体。Copy
? 生成dtype
对象的新副本,如果为flase
,结果是内建数据类型对象的引用。# 使用数组标量类型 import numpy as np dt = np.dtype(np.int32) print dt
结果
int32
四、NumPy 创建数组
numpy.empty 方法用来创建一个指定形状(shape)、数据类型(dtype)且未初始化的数组
numpy.empty(shape, dtype = float, order = 'C')
numpy.zeros 创建指定大小的数组,数组元素以 0 来填充
numpy.zeros(shape, dtype = float, order = 'C')
numpy.ones 创建指定形状的数组,数组元素以 1 来填充
numpy.ones(shape, dtype = None, order = 'C')
五、数组属性
1、ndarray.shape
import numpy as np a = np.array([[1,2,3],[4,5,6]]) print a.shape
结果
(2, 3)
# 调整数组大小 import numpy as np a = np.array([[1,2,3],[4,5,6]]) a.shape = (3,2) print a
结果
[[1, 2] [3, 4] [5, 6]]
2、ndarray.ndim(
返回数组的维数)
# 等间隔数字的数组 import numpy as np a = np.arange(24) print a
结果
[0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
# 一维数组 import numpy as np a = np.arange(24) a.ndim # 现在调整其大小 b = a.reshape(2,4,3) print b # b 现在拥有三个维度
结果
[[[ 0, 1, 2] [ 3, 4, 5] [ 6, 7, 8] [ 9, 10, 11]] [[12, 13, 14] [15, 16, 17][18, 19, 20] [21, 22, 23]]]
3、numpy.itemsize(
返回数组中每个元素的字节单位长度)
# 数组的 dtype 为 int8(一个字节) import numpy as np x = np.array([1,2,3,4,5], dtype = np.int8) print x.itemsize
结果
1
4、numpy.arange(
返回ndarray
对象,包含给定范围内的等间隔值)
numpy.arange(start, stop, step, dtype)
import numpy as np x = np.arange(5) print x
结果
[0 1 2 3 4]
import numpy as np # 设置 dtype x = np.arange(5, dtype = float) print x
结果
[0. 1. 2. 3. 4.]
# 设置了起始值和终止值参数 import numpy as np x = np.arange(10,20,2) print x
结果
[10 12 14 16 18]
5、numpy.linspace
指定了范围之间的均匀间隔数量,而不是步长
numpy.linspace(start, stop, num, endpoint, retstep, dtype)
六、创建数组
1、通过列表创建一维数组
np.array([1, 2, 3])
array([1, 2, 3])
2、通过列表创建二维数组
np.array([(1, 2, 3), (4, 5, 6)])
array([[1, 2, 3], [4, 5, 6]])
3、创建全为0的二维数组
np.zeros((3, 4))
array([[0., 0., 0., 0.],
[0., 0., 0., 0.],
[0., 0., 0., 0.]])
4、创建全为1的三维数组
np.ones((2, 3, 4))
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.]]])
5、full函数创建任意大小的数组并填充任意数字
np.full((3, 4), 2)
array([[2, 2, 2, 2],
[2, 2, 2, 2],
[2, 2, 2, 2]])
6、创建一维等差数组
np.arange(5)
array([0, 1, 2, 3, 4])
7、创建二维等差数组
np.arange(6).reshape(2, 3)
array([[0, 1, 2],
[3, 4, 5]])
8、创建单位矩阵(二维数组)
np.eye(3)
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
9、创建二维随机数组
np.random.rand(2, 3)
10、创建二维随机整数数组(数值小于 6)
np.random.randint(6, size = (2, 3))
七、数组运算
a = np.array([10, 20, 30, 40, 50])
b = np.arange(1, 6)
1、和
a = np.array([[1, 2],[3, 4]])
np.sum(a)np.sum(a, axis=0) # axis=0 表示对每一列求和np.sum(a, axis=1) # axis=0 表示对每一行求和
2、mean
np.mean(a) # 求取平均值
3、argsort
a = np.array([[3, 6, 4, 11],[5, 10, 1, 3]]) a.argsort() # 将元素按照行从小到大排序,返回对应位置元素的下标
结果
array([[0, 2, 1, 3],[2, 3, 0, 1]], dtype=int64)
4、矩阵乘法
np.mat(A) * np.mat(B)
5、矩阵求逆
np.linalg.inv(A)
Python之numpy函数相关推荐
- Python使用numpy函数vsplit垂直(行角度)拆分numpy数组(返回拆分后的numpy数组列表)实战:垂直拆分二维numpy数组、split函数垂直拆分二维numpy数组
Python使用numpy函数vsplit垂直(行角度)拆分numpy数组(返回拆分后的numpy数组列表)实战:垂直拆分二维numpy数组.split函数垂直拆分二维numpy数组 目录
- Python使用numpy函数hsplit水平(按列)拆分numpy数组(返回拆分后的numpy数组列表)实战:水平(按列)拆分二维numpy数组、split函数水平(按列)拆分二维numpy数组
Python使用numpy函数hsplit水平(按列)拆分numpy数组(返回拆分后的numpy数组列表)实战:水平(按列)拆分二维numpy数组.split函数水平(按列)拆分二维numpy数组 目 ...
- python中numpy函数ftt_语音MFCC提取:librosa python_speech_feature(2019.12)
最近在阅读语音方向的论文,其中有个被提及很多的语音信号特征MFCC(Mel-Frequency Cepstral Coefficients),找到了基于python的语音库librosa(versio ...
- 详解 python 中 numpy 函数 —— zeros()
1. 概述 Python中的 numpy 主要用于处理数值:下面详细讲解 numpy 中用于创建 0 数组的 zeros() 函数. 2. zeros() 2.1 语法 numpy.zeros(sha ...
- python中numpy函数fft_如何在PyTorch中正确使用Numpy的FFT函数?
我最近被介绍给Pythorch,开始浏览图书馆的文档和教程. 在"使用numpy和scipy创建扩展"教程中( http://pytorch.org/tutorials/advan ...
- [转载] python导入numpy函数库
参考链接: Python中的NumPy 1(简介) 1.安装pip 去网站 https://raw.github.com/pypa/pip/master/contrib/get-pip.py 进 ...
- python的numpy函数求平方和_如何使用Python和Numpy计算r平方?
从 numpy.polyfit文档,它是适合的线性回归.具体来说,具有度'd'的numpy.polyfit拟合具有平均函数的线性回归 E(y | x)= p_d * x ** d p_ {d-1} * ...
- Python数据攻略-Python使用Numpy函数方法
大家好,我是Mr数据杨.想象一下,ndarray就像是三国演义里的每个角色,是故事的核心.他们的创建就如同英雄的诞生,可能是天生神力,也可能是后天培养,就如通过各种方式创建ndarray.每个角色都有 ...
- Python使用numpy包编写自定义函数计算平均绝对误差(MAE、Mean Absolute Error)、评估回归模型和时间序列模型、解读MAE
Python使用numpy包编写自定义函数计算平均绝对误差(MAE.Mean Absolute Error).评估回归模型和时间序列模型.解读MAE 目录
最新文章
- linux虚拟机启动网卡命令,命令行下无法联网怎么办,vmware下安装archlinux实现网络连接,实机grub引导启动linux...
- linux libpath的作用,linux – LD_LIBRARY_PATH似乎不起作用
- 云炬Android开发报错处理教程 完美解决Android Studio maven { url ‘https://jitpack.io‘ } 无法下载问题
- Django项目:CRM(客户关系管理系统)--12--05PerfectCRM实现King_admin注册功能获取内存01...
- Scylla——开源免费的优秀代理 IP 池:自动验证、JSON API、基于 React 的 Web UI、Docker 支持...
- 理解_RBAC基础概念_Spring Security OAuth2.0认证授权---springcloud工作笔记113
- jquery模板插件jTemplates代替拼html
- Python Tricks(五)—— 计算 list of lists 的长度(元素个数)
- Linux下安装流量监控工具iftop
- redis 安装填坑记录
- 【zookeeper 获取节点数据getData源码解析】
- 7-Zip下载|7-Zip下载
- Unity 角色慢动作
- 霍尔开关的分类及如何选型
- 打开ftp文件服务器,打开ftp服务器文件管理
- matlab四元一次非线性方程求解,[转载]MATLAB求解非线性方程(转)
- Android电源管理分析
- 【SemiDrive源码分析】【MailBox核间通信】42 - 基于Mailbox 实现的 mailbox_demo 应用程序(RTOS Android侧通信实现)
- TensorFlow滑动平均模型作用
- 正则表达式验证身份证号码