day5--numpy

numpy–科学计算库

1:8*8棋盘矩阵，其中1、3、5、7行&&0、2、4、6列的元素置为1 1 ,3，5，7列&&0,2,4,6行也是1
(zeros初始化一个矩阵,可以传入参数行和列，生成一个零矩阵,这里是生成八行八列的0矩阵)
import numpy as np
z = np.zeros((8,8),dtype=int)
z[1::2,::2] = 1
z[::2,1::2] = 1
print(z)
—[[0 1 0 1 0 1 0 1]
[1 0 1 0 1 0 1 0]
[0 1 0 1 0 1 0 1]
[1 0 1 0 1 0 1 0]
[0 1 0 1 0 1 0 1]
[1 0 1 0 1 0 1 0]
[0 1 0 1 0 1 0 1]
[1 0 1 0 1 0 1 0]]
min求解该矩阵中的最小值，max求解该矩阵中的最大值
z = np.random.random((10,10))
zmin,zmax = z.min(),z.max()
#print(z)
print(zmax)
print(zmin)
—0.996522303066
0.00290836131963
归一化，将矩阵规格化到0～1，即最小的变成0，最大的变成1，最小与最大之间的等比缩放
z = 10*np.random.random((5,5))
print(z)
zmin,zmax = z.min(),z.max()
z = (z-zmin)/(zmax-zmin)
print(z)
—[[ 3.85170016 4.0862916 2.62191954 7.91613565 7.72607866]
[ 9.18251805 0.61818253 0.4156208 6.30032077 6.79139803]
[ 3.9043567 8.03332943 0.22272135 2.185853 9.99956685]
[ 1.35340577 6.67649395 8.96253952 6.81676268 9.94664324]
[ 8.90052568 9.86166303 7.42912354 7.03877731 3.08790509]]
[[ 0.37118095 0.39517555 0.24539594 0.78690149 0.76746199]
[ 0.91643022 0.04044875 0.01973023 0.62163194 0.67186054]
[ 0.37656679 0.79888836 0. 0.20079397 1. ]
[ 0.11564921 0.66010786 0.89393027 0.6744549 0.99458684]
[ 0.88758734 0.98589486 0.73708869 0.6971631 0.2930581 ]]
矩阵相加
z = np.zeros((5,5))
z += np.arange(5)
print(np.arange(5))
print(z)

—[0 1 2 3 4]
[[ 0. 1. 2. 3. 4.]
[ 0. 1. 2. 3. 4.]
[ 0. 1. 2. 3. 4.]
[ 0. 1. 2. 3. 4.]
[ 0. 1. 2. 3. 4.]]

生成0~10之间均匀分布的11个数，包括0和10
z = np.linspace(0,10,11,endpoint=True,retstep=True)
print(z)
—(array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.]), 1.0)
交换矩阵的其中两行
import numpy as np
a = np.arange(25).reshape(5,5)
print(a)
a[[0,1]] = a[[1,0]]
print(a)
—[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 18 19]
[20 21 22 23 24]]
[[ 5 6 7 8 9]
[ 0 1 2 3 4]
[10 11 12 13 14]
[15 16 17 18 19]
[20 21 22 23 24]]
找出数组中与给定值最接近的数
z = np.array([[0,1,2,3],[4,5,6,7]])
a = 5.1
print(np.abs(z-a).argmin())
—5
判断二维矩阵中有没有一整列数为0（有一整列数为0为false,没有一整列数为0为true）
#生成二维的高斯矩阵，help(np.random.randint)#
z = np.random.randint(0,3,(2,10))
print(z)
print(z.any(axis=0))
—[[1 2 0 1 2 0 1 1 0 1]
[1 0 0 1 2 1 0 1 1 0]]
[ True True False True True True True True True True]

至此为止，numpy告一段落，以后遇到问题再做补充

day5--numpy相关推荐

机器学习-数据科学库-day5
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档机器学习-数据科学库-day5 pandas学习 pandas之DataFrame pandas常用统计方法将字符串离散化数据合并 ...
Day5：计数质数（埃拉托色尼筛选法）
leetcode地址:https://leetcode-cn.com/problems/count-primes/ Day5:计数质数一. 问题背景: 统计所有小于非负整数 n 的质数的数量. 二. ...
百度python小白逆袭大神系列课程day5——爱奇艺《青你2》评论爬取并分析
day5-综合大作业写作分享作业要求说明完成作业所需要的准备完整代码展示及说明 ==最终结果展示== ==所用到的文件== 可能遇到的问题(重点) day5-综合大作业写作分享作业要求说明完 ...
OpenCV 笔记（07）— Mat 对象输出格式设置（Python 格式、CSV 格式、NumPy 格式、C 语言格式）
首先是下面代码中将要使用的 r 矩阵的定义.需要注意,我们可以通过用 randu 函数产生的随机值来填充矩阵, 需要给定一个上限和下限来确保随机值在期望的范围内. Mat r = Mat(2, 3, ...
NumPy — 创建全零、全1、空、arange 数组，array 对象类型，astype 转换数据类型，数组和标量以及数组之间的运算，NumPy 数组共享内存
NumPy 简介一个用 python 实现的科学计算包.包括: 1.一个强大的 N 维数组对象 Array : 2.比较成熟的(广播)函数库: 3.用于整合 C/C++ 和 Fortran 代码的工 ...
Python+OpenCV 图像处理系列（8）—— Numpy 对象及图像对象创建与赋值
1. Numpy 相关知识 1.1 Ndarray 对象在了解 OpenCV 的图像对象之前我们先对 NumPy 的基础知识做一回顾,方便我们后续更进一步理解图像对象的一系列操作. In [2]: ...
dataframe,python,numpy 问题索引2
20220330 print(frame3.isnull().any()) 找出存在空值的列 print("========================") print(fra ...
dataframe,python,numpy 问题索引1
# 找出只有赌场数据的账户 gp=data.groupby(['查询账号','场景标签'],as_index=True) tj=gp.size().reset_index()按查询账号和场景标签分组并 ...
数组的拼接合并 numpy
Python中numpy数组的合并有很多方法,如 np.append() np.concatenate() np.stack() np.hstack() np.vstack() np.dstack() ...
view(*args)改变张量的大小和形状_pytorch reshape numpy
20201227 这个方法是在不改变数据内容的情况下,改变一个数组的格式,参数及返回值,官网介绍: a:数组–需要处理的数据 newshape:新的格式–整数或整数数组,如(2,3)表示2行3列,新的 ...

day5--numpy

day5--numpy相关推荐

最新文章

热门文章