numpy库为Python带来了真正的( )数组功能,numpy数组的基本运算

　　6.数组元素访问

　　b=np.array(([1，2，3]，[4，5，6]，[7，8，9])) barray([[1，2，3]，[4，5，6]，[7，8，9]]) b[0] #第0行array([1，2，3]) b[0][0] #第0行第0列的元素值1 b[0，2] #第0行第2列的元素值3 b[[0，1]] #第0行和第一行数组([[1，2，3]，[4，5，6]]) b[[0，0]，[1，2]] #第0行第一列的元素和第0行第2列的元素array([2，3]) x=np.arange(0，100，10，dtype=np.floating) xarray([ 0 . 10. 20. 30. 40. 50. 60. 70. 80. 90.]) x[[1，3，5]] #同时访问多个位置上的元素数组([ 10。 30. 50.]) index=np.random.randint(0，len(x)，5) #这里的x还是前面的x indexarray([9，5，9，5，6])噪声=NP。随机的。标准_普通(5)* 0.3 #随机噪声noisearray([ 0.07000973，0.17404817，0.16620985，0.15281169，-0.08693726])x[index]数组([ 90。 50. 90. 50. 60.])x[索引]=噪声#添加噪声，同时修改多个值x[index]数组([ 90.16620985，50.15281169，90.16620985，50.15281169，59.91306274])x=NP。随机的。randint(1，10，(2，3)) xarray([[6，3，4]，[7，4，5]]) x.take([0，4]) #第一个和第5个元素，行优先array([6，4]) x.take([0，3])array([6，7]) x.take([0，1)，axis=0) #前两行array([[6，3，4]，[7，4，5]]) x.take([0，1]，axis=1) #前两列数组([[6,3],[7,4]]) 7。三角函数运算

　　x=np.arange(0，100，10，dtype=np.floating) np.sin(x) #一维数组中所有元素求正弦值数组([ 0。-0.54402111，0.91294525，-0.98803162，0.74511316，-0.26237485，-0.30481062，0.77389068，-0.99388865，0.89399666]) b=np.array(([1，2，3]，[4，5，6])二维数组中所有元素求余弦值数组([[ 0.54030231，-0.41614684，-0.9899925 ]，[-0.65364362，0.28366219，0.96017029]，[ 0.75390225，-0.14550003，-0.91113026]]) np.round(_) #四舍五入数组([[ 1。 -0. -1.], [-1. 0. 1.], [ 1. -0. -1.]]) x=np.random.rand(10) * 10 #包含10个随机数的数组xarray([ 2.16124573，2.58272611，6.18827437，5.21282916，4.06596404，3.34858432，5.60654631，9.49699461，1.68564166，2.9930861 ]) np.floor(x) #所有元素向下取整数组([ 2。 2. 6. 5. 4. 3. 5. 9. 1. 2.]) np.ceil(x) #所有元素向上取整数组([ 3。 3. 7. 6. 5. 4. 6. 10. 2. 3.]) np.angle(1 1j，deg=True) #返回指定向量的角度45.0 np.angle(1 1j) #返回指定向量对应角度的弧度0.78539816339744828 np.angle([1，1j，1 1j]，deg=True) #返回多个向量的角度数组([ 0。 90. 45.]) x=np.linspace(0，3.14，10) xarray([ 0 .0.34888889，0.697777778，1.04666667，1.39555556，1.744444，2.09333333，2.442222，2.79111111，3.14 ]) y=np.cos(x) #余弦雅乐([ 1 .0.93975313，0.76627189，0.50045969，0.17434523，-0.17277674，-0.4990802，-0.76524761，-0.93920748，-0.99999873]) np.arccos(y) #反余弦数组([ 0。0.34888889，0.697777778，1.04666667，1.39555556，1.744444，2.09333333，2.442222，2.7911111111，3.14 ]) np.absolute(-3) #绝对值或模3 NP。绝对(3 4j)5.0 NP。上限(3.2)#向上取整4.0 np.ceil(np.array([1，2，3.1]))array([ 1 . 2. 4.)np.isnan(np .NAN)True np.log2(8) #对数3.0 NP。log 10(100)2.0 NP。log 10([100，1000，10000])数组([ 2。 3. 4.]) np.multiply(3，9)27 np.multiply([1，2，3]，[4，5，6])array([ 4，10，18]) np.multiply(3，[5，6])array([15，18]) np.multiply(3，np.array([5，6]))array([15，18]) np.sqrt([9，16，36])array([ 3 . 4. 6.]) np.sqrt(范围(10))数组([ 0。 1. 1.41421356, 1.73205081, 2. 2.23606798, 2.44948974, 2.64575131, 2.82842712, 3.])

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。