新手入門(mén)學(xué)習(xí)python Numpy基礎(chǔ)操作
NumPy(Numerical Python) 是 Python 語(yǔ)言的一個(gè)擴(kuò)展程序庫(kù),支持大量的維度數(shù)組與矩陣運(yùn)算,此外也針對(duì)數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫(kù)。是在學(xué)習(xí)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)之前應(yīng)該掌握的一個(gè)非?;厩覍?shí)用的Python庫(kù)。
導(dǎo)入庫(kù),創(chuàng)建數(shù)組
import numpy as np
a = np.arraya = np.array([0, 1, 2, 3, 4] ) #使用array函數(shù)
a = np.array([[11, 12, 13, 14, 15],
[16, 17, 18, 19, 20],
[21, 22, 23, 24, 25],
[26, 27, 28 ,29, 30],
[31, 32, 33, 34, 35]]) #創(chuàng)建多維數(shù)組
a=np.zeros((2, 3)) #創(chuàng)建兩行三列的0填充的矩陣,ones(shape)則是創(chuàng)建1填充的,np.full((m,n)8) m行n列的全部是8的參數(shù)
a=np.linspace(1., 4., 6) #創(chuàng)建1到4之間,共6個(gè)元素的等值間距的數(shù)組
a=np.arange(起,止,步長(zhǎng)) #創(chuàng)建 從起到至,按步長(zhǎng)排列的數(shù)組
a= np.indices((3,3)) #創(chuàng)建一個(gè)堆疊的更高維度的數(shù)組
a=np.mat() #創(chuàng)建矩陣,array只能從列表中生成,而mat可以從字符串或者列表中生成,比如mat("1,2;3,4"),而array([1,2,3,4]),mat是矩陣、array是數(shù)組(假矩陣)
基本操作符
np中矩陣之間加減乘除是對(duì)應(yīng)元素的+、-、*、/, 【注】一個(gè)數(shù)組加一個(gè)整數(shù),則是對(duì)該數(shù)組每個(gè)元素加該整數(shù),這個(gè)過(guò)程成為數(shù)組的廣播,如果階數(shù)不同則是每行與每行對(duì)應(yīng)相乘。
mat的矩陣若是使用*則是矩陣相乘,而非對(duì)應(yīng)元素相乘
其他的計(jì)算函數(shù):
- multiply(),數(shù)組或矩陣對(duì)應(yīng)位置相乘
- dot()函數(shù),a.dot(b)表示ab矩陣相乘,數(shù)學(xué)上的相乘。
- sum() #求和,可使用axis限定方向,0為縱向,1為橫向。[[...],[...],[...]]這樣橫著放求得時(shí)候他也會(huì)默認(rèn)為二維方陣,最后結(jié)果是[...]
- min() #找出最小的元素
- max() #找出最大的元素
- mean() #返回均值
- std() #返回標(biāo)準(zhǔn)方差
- var() #返回方差
- cumprod() #原數(shù)組該位置的前幾項(xiàng)元素乘 (累乘數(shù)組),可以使用axis指定方向,0表示縱向,1表示橫向,默認(rèn)橫向
- cumsum() #原數(shù)組該位置的前幾項(xiàng)元素和 (累加數(shù)組)
- ptp() #返回最大值減去最小值
np的索引和切片
import numpy as np data = np.arange(12).reshape((3, 4)) print(data) ##對(duì)數(shù)組元素進(jìn)行索引和切片 # 1. 取第一行的數(shù)據(jù) print(data[0]) # 2. 取第一列的數(shù)據(jù) print(data.T[0]) print(data[:, 1]) #3. 獲取多行 print(data[:2]) # 4. 獲取多行列 print(data.T[:2]) print(data[:, :2]) # 5. 獲取指定行的前幾列; print(data) print(data[[0,2], :2]) print(data[:2, [0,2]])
以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
Python編程實(shí)現(xiàn)使用線(xiàn)性回歸預(yù)測(cè)數(shù)據(jù)
這篇文章主要介紹了Python編程實(shí)現(xiàn)使用線(xiàn)性回歸預(yù)測(cè)數(shù)據(jù),具有一定借鑒價(jià)值,需要的朋友可以了解下。2017-12-12
深入解析python中的實(shí)例方法、類(lèi)方法和靜態(tài)方法
這篇文章主要介紹了python中的實(shí)例方法、類(lèi)方法和靜態(tài)方法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-03-03
使用Python將Exception異常錯(cuò)誤堆棧信息寫(xiě)入日志文件
這篇文章主要介紹了使用Python將Exception異常錯(cuò)誤堆棧信息寫(xiě)入日志文件,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-04-04
Python3.5編程實(shí)現(xiàn)修改IIS WEB.CONFIG的方法示例
這篇文章主要介紹了Python3.5編程實(shí)現(xiàn)修改IIS WEB.CONFIG的方法,涉及Python針對(duì)xml格式文件的讀寫(xiě)以及節(jié)點(diǎn)操作相關(guān)技巧,需要的朋友可以參考下2017-08-08
Python函數(shù)元數(shù)據(jù)實(shí)現(xiàn)為一個(gè)參數(shù)指定多個(gè)類(lèi)型
這篇文章主要介紹了Python函數(shù)元數(shù)據(jù)實(shí)現(xiàn)為一個(gè)參數(shù)指定多個(gè)類(lèi)型方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-02-02
OpenCV圖像識(shí)別之姿態(tài)估計(jì)Pose?Estimation學(xué)習(xí)
這篇文章主要為大家介紹了OpenCV圖像識(shí)別之姿態(tài)估計(jì)Pose?Estimation學(xué)習(xí),有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-05-05
python添加列表元素append(),extend()及?insert()
這篇文章主要介紹了python添加列表元素append(),extend()及?insert(),列表是儲(chǔ)存元素的數(shù)據(jù)類(lèi)型,既然能存儲(chǔ)元素,那么就類(lèi)似數(shù)據(jù)庫(kù)一樣,增刪改查的一些功能就不能少了。下面我們就來(lái)先看看添加列表元素方法有哪些,需要的朋友可以參考一下2022-03-03
詳解Python進(jìn)行數(shù)據(jù)相關(guān)性分析的三種方式
相關(guān)系數(shù)量化數(shù)據(jù)集的變量或特征之間的關(guān)聯(lián)。這些統(tǒng)計(jì)數(shù)據(jù)對(duì)科學(xué)和技術(shù)非常重要,Python?有很好的工具可以用來(lái)計(jì)算它們。SciPy、NumPy?和Pandas相關(guān)方法以及數(shù)據(jù)可視化功能,感興趣的可以了解一下2022-04-04
python對(duì)比兩個(gè)字典dict的差異詳解
這篇文章主要為大家詳細(xì)介紹了python?如何對(duì)比兩個(gè)字典dict的不同差異,文中的示例代碼簡(jiǎn)潔易懂,具有一定的學(xué)習(xí)價(jià)值,感興趣的可以了解一下2023-05-05

