NumPy的数组

NumPy数组 本章节我们将来了解 NumPy 数组的一些基本属性。NumPy 数组的维数称为秩(rank),秩就是轴的数量,即数组的维度,一维数组的秩为 1,二维数组的秩为 2,以此类推。在 NumPy中,每一个线性的数组称为是一个轴(axis),也就是维度(dimensions)。比如说,二维数组相当于是两个一维数组,其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴(axis),第一个轴相当于是底层数组,第二个轴是底层数组里的数组。而轴的数量——秩,就是数组的维数。 阅读详情

Windows PowerShell
Copyright (C) Microsoft Corporation. All rights reserved.

Install the latest PowerShell for new features and improvements! https://aka.ms/PSWindows

PS C:\Users\a-xiaobodou> python -m pip install --upgrade pip
C:\msys64\mingw64\bin\python.exe: No module named pip
PS C:\Users\a-xiaobodou> python -m pip install numpy
C:\msys64\mingw64\bin\python.exe: No module named pip
PS C:\Users\a-xiaobodou> python3 -m pip install numpy
C:\msys64\mingw64\bin\python3.exe: No module named pip
PS C:\Users\a-xiaobodou> pip install numpy
Requirement already satisfied: numpy in c:\users\a-xiaobodou\appdata\local\programs\python\python310\lib\site-packages (1.22.3)
PS C:\Users\a-xiaobodou> python -i
Python 3.9.11 (main, Mar 18 2022, 16:54:01)  [GCC 11.2.0 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> from numpy import *
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ModuleNotFoundError: No module named 'numpy'
>>> eye(4)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 'eye' is not defined
>>>

不明白,为什么在命令提示符出现ModuleNotFoundError:No mudule namy 'numpy'

Python 3.10.2 (tags/v3.10.2:a58ebcc, Jan 17 2022, 14:12:15) [MSC v.1929 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> from numpy import *
>>> eye(4)
array([[1., 0., 0., 0.],
       [0., 1., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 1.]])
>>>





Python 3.10.2 (tags/v3.10.2:a58ebcc, Jan 17 2022, 14:12:15) [MSC v.1929 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy as np
>>> my_array=np.array([1,2,3,4,5])
>>> print my_array
  File "<stdin>", line 1
    print my_array
    ^^^^^^^^^^^^^^
SyntaxError: Missing parentheses in call to 'print'. Did you mean print(...)?
>>> print my_array
  File "<stdin>", line 1
    print my_array
    ^^^^^^^^^^^^^^
SyntaxError: Missing parentheses in call to 'print'. Did you mean print(...)?
>>> print(my_array)
[1 2 3 4 5]
>>> print(my_array.shape)
(5,)
>>> print(my_array[0])
1
>>> my_array[0]=-1
>>> print(my_array[0])
-1
>>> print(my_array)
[-1  2  3  4  5]
>>> my_new_array=np.zeros((5))
>>> print(my_random_array)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 'my_random_array' is not defined. Did you mean: 'my_new_array'?
>>> print(my_new_array)
[0. 0. 0. 0. 0.]
>>> my_random_array=np.radom.radom((5))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Users\a-xiaobodou\AppData\Local\Programs\Python\Python310\lib\site-packages\numpy\__init__.py", line 315, in __getattr__
    raise AttributeError("module {!r} has no attribute "
AttributeError: module 'numpy' has no attribute 'radom'. Did you mean: 'random'?
>>> my_random_array=np.random.radom((5))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: module 'numpy.random' has no attribute 'radom'. Did you mean: 'random'?
>>> my_random_array=np.random.random((5))
>>> print(my_random_array)
[0.25351566 0.7168677  0.13383434 0.56201388 0.80009886]
>>> my_2d_array=np.zeros((2,3)) print(my_2d_array)
  File "<stdin>", line 1
    my_2d_array=np.zeros((2,3)) print(my_2d_array)
                                ^^^^^
SyntaxError: invalid syntax
>>> my_2d_array=np.zeros((2,3))
>>> print(my_ad_array)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 'my_ad_array' is not defined. Did you mean: 'my_2d_array'?
>>> print(my_2d_array)
[[0. 0. 0.]
 [0. 0. 0.]]
>>> my_ad_array_new=np.ones((2,4))
>>> print(my_2d_array_new)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 'my_2d_array_new' is not defined. Did you mean: 'my_ad_array_new'?
>>> print(my_ad_array_new)
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]]
>>> my_array=np.array([4,5],[6,1])
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: Field elements must be 2- or 3-tuples, got '6'
>>> my_array=np.array([[4,5],[6,1]])
>>> print(my_array[0][1])
5
>>> print(my_array)
[[4 5]
 [6 1]]
>>> print(my_array.shape)
(2, 2)
>>> my_array_column_2=my_array[:,1]
>>> print(my_array_colum_2)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 'my_array_colum_2' is not defined. Did you mean: 'my_array_column_2'?
>>> print(my_array_column_2)
[5 1]
>>>

Python 3.10.2 (tags/v3.10.2:a58ebcc, Jan 17 2022, 14:12:15) [MSC v.1929 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy as np
>>> a=np.array([[1.0,2.0],[3.0,4.0]])
>>> b=np.array([[5.0,6.0],[7.0,8.0]])
>>> sum=a+b
>>> difference=a-b
>>> product=a*b
>>> quotient=a/b
>>> print('Sum=\n',sum)
Sum=
 [[ 6.  8.]
 [10. 12.]]
>>> print('Difference =\n',difference)
Difference =
 [[-4. -4.]
 [-4. -4.]]
>>> print('Product =\n',product)
Product =
 [[ 5. 12.]
 [21. 32.]]
>>> print('Quotient =\n', quotient)
Quotient =
 [[0.2        0.33333333]
 [0.42857143 0.5       ]]
>>>
>>> print(a)
[[1. 2.]
 [3. 4.]]
>>> print(b)
[[5. 6.]
 [7. 8.]]
>>>
>>> matrix_product=a.dot(b)
>>> print("Matrix Product = ",matrix_product)
Matrix Product =  [[19. 22.]
 [43. 50.]]
>>>

ndarray对象属性
属性说明
ndarray.ndim秩,即轴的数量 或维度的数量
ndarray.shape数组的维度,对于矩阵,为n行m列
ndarray.size数组元素的总个数,相当于.shape中n×m的值
ndarray.dtypendarray对象的元素类型
ndarray.itemsizendarray对象中每个元素的大小,以字节为单位
ndarray.flagsndarray对象的内存信息
ndarray.realndarray元素的实部
ndarray.imagndarray元素的虚部
ndarray.data包含实际数组元素的缓冲区,由于一般通过数组的索引获取元素,所以通常不需要使用这个属性

NumPy 迭代数组、数组操作 NumPy 迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。迭代器最基本的任务的可以完成对数组元素的访问。接下来我们使用 arange() 函数创建一个 2X3 数组,并使用 nditer 对它进行迭代。以上实例不是使用标准 C 或者 Fortran 顺序,选择的顺序是和数组内存布局一致的,这样做是为了提升访问的效率,默认是行序优先(row-major order,或者说是 C-order)。这反映了默认情况下只需访问每个元素,而无需考虑其特定顺序。 阅读详情

相关推荐

Python 使用numpy创建二维数组的时候报错,错误是TypeError: Field elements must be 2- or 3-tuples, got ‘4‘

Python 使用numpy创建二维数组的时候报错,错误是TypeError: Field elements must be 2- or 3-tuples, got ‘4‘

Deng872347348的博客 5447

carla-ros-bridge ERRO:raise AttributeError(“module {!r} has no attribute “ [bridge-1] AttributeError

python3.8 ! = python3

weixin_44119391的博客 1768

AttributeError: module ‘xxx‘ has no attribute

本文主要介绍了AttributeError: module ‘xxx’ has no attribute及其解决方案,希望能对新手有所帮助。 文章目录 1. 问题描述 2. 解决方案

weixin_43178406的博客 2万+

yolov5 6.1训练遇到的问题

yolov5训练时遇到的问题

Study__ing_的博客 771

Windows系统服务器搭建宝塔

当然还有一个问题就是,使用宝塔面板的界面的账号名密码登录不了网页的宝塔面板。我一度以为是是网络或者服务器端口放行或者其他问题,其实不是,只需要重新设置一下就可以了。可以先跟着百度官方这个“Windows系统搭建宝塔”先试着搭建一下,过程中可能会存在一些以前没遇到过的问题,那就一点点解决。02的安全组和防火墙,我也不是很明白,但是常用端口(服务器端口、运维端口等)了解一下,入站出站规则端口放行的时候需要知道。01关闭IE增强的目的是什么,我还是没搞明白。安装之后,远程可行了,宝塔面板也可运行了。

原在路上的博客。 163

项目管理面试常见问题及答案

1. 项目管理软件工具知识,   2. 编制项目计划的技术,   3. 人员管理技能   4. 沟通技能   5. 原理体系知识(标生命周期和项目管理)。 项目管理软件工具知识   问题1:工期和工作量之间的差异是什么?   答案1:工期是商业/日历上的天数,与人数和工作量无关。工作量是与日历天数无关的人的工作。例如:   一天的工作量对于一个一只花50%在时间在上面的人来说,他的工期就是两天。...

okbin1991的博客 2840

【Numpy】创建数组

简介:NumPy(Numerical Python的缩写)是一个开源的Python科学计算库。使用NumPy,就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数,涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍一下数组创建的几种方法。 目录 1.numpy.array() 2.numpy.empty() 3.numpy.zeros() 4.numpy.ones() 5.numpy.frombuffer 6.numpy.fromiter() 1.num...

weixin_51781852的博客 1万+

汽车电子电气架构

控制器:从多独立 ECU → 域控制器(DCU) → 中央计算平台 + 区域控制器,硬件集成度持续提升,冗余减少;算力:从分散无集中算力 → 按域分配算力 → 全域算力集中,算力量级从 MIPS 跃升至 TOPS,支撑高阶智驾;网络:从低速 CAN/LIN 独占 → 以太网为主、总线为辅 → 高速以太网主干,数据传输速率提升千倍;软硬件:从软硬件深度绑定 → 初步解耦 → 完全解耦(SOA),实现 “硬件预埋、软件解锁”;线束。

LXY_LXY_的博客 1436

numpy数组介绍

目录1:了解NUmpy1.1:为什么会有NUmpy1.2:什么是Numpy1.3:Numpy的特点1.4:Numpy的安装拓展(理解python的数据类型)动态类型语言静态类型语言 1:了解NUmpy 主要介绍什么是为什么回有数组、数组对象和数组对象的作用 1.1:为什么会有NUmpy 在数据分析的过程中,需要接触的数据是非常多的,但是普通的python数据类型对于处理大,大量的数据可能会显得力不从心(处理数据的效率会变慢),这个时候人们就迫切的需要一种可以快速处理大量数据的数据类型,所以数组(Num

- 青崖 - 7907

Apifox CLI + Claude Skills:将接口自动化测试融入ai

基于 Apifox CLI、Claude Code以及Claude Skills组合,实现自然语言触发接口自动化测试。

wwz_0012的博客 597

Synopsys SpyGlass 进行 RTL 功耗估计

通过上述脚本,您可以使用 Synopsys SpyGlass 对纯 RTL 代码和带有 FSDB 波形的 RTL 代码进行功耗估计,并支持将 SDC 文件转换为 SGDC 文件。

yumingqinglong的博客 2185

Numpy生成数组

虽然NumPy提供了数值数据操作的计算基础,但大多都把pandas作为统计、分析的基石,尤其是针对表格数据。pandas提供了更多的针对特定场景的函数功能,例如时间序列操作等NumPy等并不包含的功能。 NumPy: 它的设计对含有大量数组的数据非常有效。 在内部将数据存储在连续的内存块上。NumPy的算法库是C语言写的,在操作内存时,不需要任何检查或管理操作。NumPy数组使用的内存量也小于其他Python内建序列。 NumPy可以针对全量数组进行复杂计算而不需要写Python循环。 ndarray:

weixin_43956958的博客 5241

MIT Cheetah Learning (一):State Estimate 从理论到实践:EKF融合IMU与编码器的状态估计全解析

本文深入解析了MIT Cheetah机器人中基于Extended Kalman Filter的状态估计技术,详细探讨了如何融合IMU与编码器数据以实现精准的State Estimate。通过四元数建模和传感器误差分析,揭示了EKF在复杂地形中的工程实践价值,为四足机器人的实时状态估计提供了完整解决方案。

weixin_30292843的博客 304

Numpy一维数组

创建数组 在使用Numpy的数组前,我们必须对Numpy库进行引入。 import numpy as np 我们可以通过将Python列表传递给它并使用 np.array() 来创建一个NumPy数组(也就是强大的ndarray)。在这种情况下,Python创建了下面的数组: 一个常见的错误在于使用多个数值参数调用 array 函数,而不是提供一个数字列表(List)作为参数。 a = n...

cd_sywe的博客 2万+

【软件使用】Calibre部分提参的实战技巧与常见问题解析

本文详细解析了Calibre部分提参(Partial PEX)的实战技巧,重点介绍了如何利用HCELL与XCELL文件高效排除已知模块,实现精准的寄生参数提取,从而快速定位后仿真中的时序与信号完整性问题。文章涵盖了从图形界面到命令行的完整操作流程,并提供了常见问题(如时钟失真、模块“消失”)的深度Debug指南与最佳实践,助力芯片设计工程师提升验证效率。

yhn456789的博客 1027

深入解析“PROJ: proj_create_from_database: Cannot find proj.db”错误:从环境配置到打包实战

本文深入解析了“PROJ: proj_create_from_database: Cannot find proj.db”错误的根源与解决方案,涵盖环境配置、PyInstaller打包及跨平台兼容性处理。通过详细分析PROJ库路径问题及GDAL依赖关系,提供动态路径设置、资源文件打包等实战技巧,帮助开发者高效解决地理数据处理中的常见错误。

weixin_29074409的博客 444

【Numpy】数组的创建

文章目录前言1. 从列表等其他Python的结构进行转换2. 使用Numpy内部功能函数2.1 arange2.2 zeros2.3 ones2.4 empty2.5 full2.6 eye2.7 linspace3. 使用特殊的库函数 前言 1. 从列表等其他Python的结构进行转换 2. 使用Numpy内部功能函数 2.1 arange 2.2 zeros 2.3 ones 2.4 empty 2.5 full 2.6 eye 2.7 linspace 3. 使用特殊的库函数 ...

Graduate2015的博客 3428

【系统架构设计师】2025年下半年真题论文回忆版及写作要点

本文摘要围绕云原生数据库、性能测试、无服务器架构和秒杀场景等关键技术进行论述。云原生数据库通过容器化、微服务和自动化运维实现弹性扩展;性能测试需要规划测试场景并关注响应时间等关键指标;无服务器架构以事件驱动为核心,简化开发流程;秒杀场景需组合运用扩容、缓存、限流等技术应对高并发。这些技术方案为构建现代高可用系统提供了重要参考。

数据知道的博客 6155

numpy之数组的赋值

在numpy中,有一个方法array(),指的是用来建立一个数组。numpy数组类是ndarray。 其中,Numpy数组的赋值是比较方便的,但是也有一些需要注意的地方。 一般赋值: 1.下面的赋值方式和C++和Java语言类似 import numpy as np a = np.zeros((2,5)) a[1][2] = 1 a[0][4] = 1...

Weixu Liu的博客 3万+

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

Numpy 创建数组

零基础最详细的从零学会如何用numpy库中不同的方法创建数组

2301_82147854的博客 942

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

Python中numpy数组切片

1、基本概念 Python中符合切片并且常用的有:列表,字符串,元组。 下面那列表来说明,其他的也是一样的。 格式:[开头:结束:步长] 开头:当步长>0时,不写默认0。当步长<0时,不写默认-1 结束:当步长>0时,不写默认列表长度加一。当步长<0时,不写默认负的列表长度减一 步长:默认1,>0 是从左往右走,<0是从右往左走遵循左闭右开原则,如:[0:9]等价于数学中的[0,9) # 字符串中用法 str = 'python' print(str[::]) #

weixin_36670529的博客 2万+

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

NumPy 创建数组

NumPy 创建数组 ndarray 数组除了可以使用底层 ndarray 构造器来创建外,也可以通过以下几种方式来创建。 numpy.empty 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') 参数说明: #创建三行两列的数组 import n...

错位的梦寐的博客 640

Numpy数组

Numpy的高维数组被广泛应用于数据分析领域,下面对数组的创建,修改,运算等函数进行进一步介绍

川泽的博客 1234

Numpy 数组索引

# Numpy 数组索引

岳来的博客 5417

【NumPy】 创建数组

ndarray 数组除了可以使用底层 ndarray 构造器来创建外,也可以通过以下几种方式来创建。

m0_73881415的博客 991
上一篇: 10018. 津津的储蓄计划(以后研究)
下一篇: 12002. 校门外的树(没看懂,无代码)
DXB2021
博客等级 码龄5年 307粉丝 289原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值