python-numpy,numpy基础知识

  python-numpy,numpy基础知识

  Numpy是python的第三方模块,以多维数组对象为核心,提供强大的科学计算能力和超快的运行速度,经常与scipy、matplotlib等模块协同工作。它是python中与科学计算相关的基础模块。

  numpy中的多维数组称为ndarray,是具有相同数据类型的对象的集合。在numpy中,构建矩阵最基本的方法是通过数组函数,其用法如下

  进口数量

  a=numpy.array([1,2,3])

  类型(a)

  类“numpy.ndarray”

  numpy.array([(1,-2,2),(3,2,0)])

  数组([[ 1,-2,2],

  [3,2,0]])对于多维数组,有以下基本属性和操作方法

  1.基本属性

  numpy中的数组有维度、数据类型等基本属性。例子如下

  a=numpy.array([(1,-2,2),(3,2,0)])

  a

  数组([[ 1,-2,2],

  [ 3, 2, 0]])

  #数组的维数,这里是一个二维数组

  a.ndim

  2

  #返回值是记录每个维度大小的元组

  a .形状

  (2, 3)

  #数组中元素的总数

  a .尺寸

  六

  #数组中元素的基本数据类型

  a .数据类型

  Dtype(int32)2。施工方法

  在numpy中有很多方法可以构建多维数组。例子如下

  #类似于内置的范围函数

  #创建算术级数

  np.arange(1,6)

  数组([1,2,3,4,5])

  #设置步长

  (1,10,3)

  数组([1,4,7])

  #与arange不同,指定生成元素的个数,然后自动划分步长。

  np.linspace(0,8,3)

  数组([0。 4. 8.])

  #重塑重新定义矩阵维度

  a=numpy.arange(6)。整形(3,2)

  a

  数组([[0,1],

  [2, 3],

  [4, 5]])

  #初始化一个矩阵,全部用0填充

  np.zeros((2,4))

  数组([[0。 0. 0. 0.],

  [0. 0. 0. 0.]])

  #初始化一个矩阵,全部用1填充

  np.ones((2,4))

  数组([[1。 1. 1. 1.],

  [1. 1. 1. 1.]])

  #初始化一个矩阵并用随机数填充它

  np.empty((2,3))

  数组([[-5.22979145e-299,1.28420031e 294,1.96049329e 289),

  [-4.00921237E-294,3.60935879E207,1.31819562E294]]) 3 .薄片

  numpy中的矩阵可以切片,一维数组的切片操作与普通python序列对象相同。用法如下

  a=numpy.arange(10)

  a

  数组([0,1,2,3,4,5,6,7,8,9])

  一个

  2

  [2:5]

  数组([2,3,4])

  一个[:6:2]=-1

  a

  数组([-1,1,-1,3,-1,5,6,7,8,9])

  一个[:-1]

  数组([ 9,8,7,6,5,-1,3,-1,1,-1])

  因为我在一个:

  .打印(一)

  .

  -1

  一个

  -1

  三

  -1

  五

  六

  七

  八

  九

  多维数组可以在每个维度上切片。以二维数组为例,如下

  a=numpy.arange(25)。整形(5,5)

  a

  数组([[ 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]])

  #访问对应于第二行和第三列的元素

  [2,3]

  13

  #访问第1行到第5行,该元素对应于第一列

  [0:5,1]

  数组([ 1,6,11,16,21])

  #:表示获取所有元素。

  [1:3,]

  数组([[ 5,6,7,8,9],

  [10, 11, 12, 13, 14]])

  #你也可以不直接写。默认情况下,获取所有元素。

  [1:3]

  数组([[ 5,6,7,8,9],

  [10, 11, 12, 13, 14]] 4.矩阵运算

  Numpy可以方便地用于向量运算和矩阵运算。使用示例如下

  a=np.arange(1,6)

  a

  数组([1,2,3,4,5])

  #向量运算、加法、减法、乘法和除法

  a - 1

  数组([0,1,2,3,4])

  a 2

  数组([3,4,5,6,7])

  a * 3

  数组([ 3,6,9,12,15])

  a/2

  数组([0.5,1。 1.5, 2. 2.5])

  #矩阵运算、乘法

  a=np.arange(6)。整形(2,3)

  b=np.arange(9)。重塑(3,3)

  a @ b

  数组([[15,18,21],

  [42, 54, 66]])

  点(b)

  数组([[15,18,21],

  [42, 54, 66]])

  除了以上的基本概念,numpy还提供了丰富的矩阵运算的方法和函数,后面会详细介绍。

  目标

  —如果你喜欢,分享给你的朋友—

  关注我们,解锁更多精彩内容!

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: