【儒冠多误身】Numpy库知识体系

【算法】图解A* 搜索算法 A* 算法是启发式搜索算法,是根据Dijkstra算法改进而来。 问题引入 如下图所示,S为起始(start)节点,G为目标(goal)节点。 节点之间连线是两点的路径长度,如A到E的路径长度c(A,E) = 9。 节点旁的h值时当前节点到达目标节点(G)的预估值,如h(A)=15, 表示从当前点A到达目标点G的估计路径长度为15,此处h(x)即为启发函数,启发函数的设计有很多方法,具体可...... 阅读详情

Numpy个人知识体系

儒冠多误身
20181202

  • 通用函数ufunc
  • 对ndarray中元素运算的函数

一元函数 unary ufunc

  • 一元ufunc说明
    np.abs()、np.fbs()计算整数、浮点数或复数的绝对值。
    对于非复数值,可以使用更快的fbs
    np.sqrt()计算各元素的平方根:arr ** 0.5
    np.square()计算各元素的平方:arr ** 2
    np.exp()计算各元素的指数ex
    np.log()\np.log10\np.log2\np.log1p分别:自然对数(e为底数),底数为10的log,底数为2的log,log(1+x)
    np.sign()计算各元素的正负号:1(正数),0(零),-1(负数)
    np.ceil()向上取整
    np.floor()向下取整
    np.rint()四舍五入取整
    np.modf()小数部分和正数部分以两个独立数组返回arr1,arr2 = np.modf(arr3)
    np.isnan()返回一个布尔型数组:“哪些值是NaN"
    np.isfinite()\np.isinf()返回布尔型数组:哪些元素是有穷的,哪些元素是无穷的
    np.cos()\np.sin()\np.tan()普通型三角函数
    np.cosh()\np.sinh()\np.tanh()双曲型三角函数
    np.arccos()\np.arcsin()\np.arctan()反三角函数
    np.arccosh()\np.arcsinh()\np.arctanh()反三角函数
    np.logical_not()计算各元素not x的真值
    相当于-arr

二元函数 binary ufunc

  • 二元ufunc说明
    np.add(arr1,arr2)将数组对应元素相加
    np.subtract()从第一个数组中,减去第二个数组中的元素
    np.multiply()数组元素相乘
    np.divide()除法
    np.floor_divide()向下圆整除法(丢弃余数)
    np.power()对第一个数组中的元素A,根据第二个数组中相应元素B,计算AB
    np.maximum()元素级的最大值计算
    np.fmax()忽略NaN的,元素级的最大值计算
    np.minimum()元素级的最小值计算
    np.fmin()忽略NaN的,元素级的最小值计算
    np.mod()元素级的求模计算(除法的余数)
    np.copysign()将第二个数组中的值的符号赋值给第一个数组中的值
    np.greater()执行元素级的比较>,产生布尔型数组
    np.greater_equal()执行元素级的比较>=,产生布尔型数组
    np.less()执行元素级的比较<,产生布尔型数组
    np.less_equal()执行元素级的比较<=,产生布尔型数组
    np.equal()执行元素级的比较==,产生布尔型数组
    np.not_equal()执行元素级的比较!=,产生布尔型数组
    np.logical_and()执行元素级的真值逻辑元素:& ,且
    np.logical_or()执行元素级的真值逻辑元素:|,或
    np.logical_xor执行元素级的真值逻辑元素:^,异或

矢量化三元表达式 np.where(arr1,第二个参数,第三个参数)

  • 第二个和第三个参数不必是数组,可以是标量值

  • 相当于x if condition else y的矢量化版本

  • np.where(arr1>0,1,-1)# 元素>0的返回1,否则返回-1
    
  • 类似于MySQL的控制流函数

  • select education,salary,case education
    		when '大专' then 1
    		when '本科' then 2
    		when '硕士' then 3
    		when '博士' then 4
    		else 0
    		end as tmp
    from demp_table;	
    
    
  • 相当于MySQL的三元表达式

  • select education,if(salary > 9,'优先','等待') as tmp
    from demp_talbe;
    
  • python的三元表达式结果1 if 表达式 else 结果2

  • a = 10
    b = 20
    r = a if a>b else b
    
  • python列表推倒时

  • list1 = [i*i for i in range(2,11,2)]#生成1~10之间的所有偶数
    


统计函数

arr.mean(axis = 1)# 可接受axis参数
np.mean(arr)# 均值

arr.sum(axis = 1)
np.sum(arr)

arr.std(axis = 1)#标准差,通过axis选择轴
np.std(arr)

arr.var()#方差
np.var(arr)

arr.max(axis = 1)
np.max(arr)

arr.min(axis = 1)
np.min(arr)

arr.argmin()#最小元素的索引
np.argmin(arr)

arr.argmax()#最大元素的索引
np.argmax(arr)
arr.cumsum(0)# 列累加
arr.cumprod(1)# 行累积


创建

从列表、元组创建

np.array(list\tuple,dtype = np.float64)# 从序列创建,并指定每个元素的数据类型

使用numpy函数创建

np.arange(12).reshape(3,4)#返回ndarray取值[0,12),3行4列

np.ones((3,4))# 全1数组,3行4列
np.ones((2,3,4))# 最外层2个元素,每个元素3个维度,每个维度4个元素

np.zeros((3,4))# 全0数组,3行4列

np.full((2,3),val)#生成2行3列的数组 ,值都是val

np.eye(n)# 生成n*n的单位矩阵,对角线元素都是1,其余都是0

np.ones_like(arr) # 根据arr的形状,生成全1的ndarray
np.zeros_like(arr) # 根据arr的形状,生成全0的数组
np.full_like(arr,val) #根据arr的形状,生成值都为val的数组

np.linspace(1,10,4) # 包括1和10,等间隔的生成4个元素的数组,浮点数
np.linspace(1,10,4,endpoint = False) #元素10不作为生成数组的元素

np.concatenate((arr1,arr2)) # 合并数组arr1和arr2

随机数组

随机生成

  • np.random.rand(d0,d1,……,dn)

    • 生成[0,1)之间的数据

    • np.random.rand(3,4)
      np.random.rand(2,3,4)#最外层2个元素,每个元素3个维度,每个维度4个元素
      
  • np.random.randn(d0,d1,……,dn)

    • 返回数据,具有 标准正态分布(高斯分布)
    • 均值为1,标准差为0
  • np.random.randint(low[high,shape,dtype])

    • 返回随机整数,范围:[low,high)

    • shape:数组维度

    • dtype:数据类型,默认np.int

    • high不填时,范围[0,low)

    • np.random.randint(-5,5,size=(2,2))
      np.random.randint(1,5)# 返回1个[1,5)之间的随机整数
      
  • np.random.seed(s)

    • 使产生的随机数组不变

    • np.random.seed(1)
      np.random.randint(100,200,(3,4))
      #放在一起,再次调用,产生的随机数组元素不变
      

随机排列

  • np.random.shuffle(arr)
    • 根据数组arr的第1轴进行随机排序
    • 会改变数组arr
  • np.random.permutation(arr)
    • 根据arr的第1轴产生一个新的乱序数组
    • arr不变
  • np.random.choice(arr[,size,replace,p])
    • 从一维数组arr中以概率p抽取元素,形成size形状的数组
    • replace表示是否可以重用元素
    • p
      • 设置元素被抽取的概率
      • eg,p = arr/np.sum(arr)

随机分布

  • np.random.uniform(low,high,size)

    • 产生具有均匀分布的数组
    • low 起始值
    • high 结束值
    • size 形状
  • np.random.normal(loc.scale,size)

    • 产生具有正态分布的数组

    • loc 均值

    • scale 标准差

    • size 形状

    • np.random.normal(9,2,50)#创建 包含50个元素的数组,且均值9,标准差2
      
  • np.random.poisson(lam.size)

    • 产生泊松分布的数组
    • lam 随机事件发生概率
    • size 形状
技术美术个人笔记(十六)——Houdini到UE的大地形 文章目录关于地形白模制作关于PDG流程 关于地形白模制作 用heightfield noise和笔刷刷出合适的mask做山形叠加: 用remap可快捷反转mask ,用来做平原地区的小型丘陵: 接着用clip切平最低处,用distort制造侵蚀等,对部分地区用笔刷进行微调拓宽峡谷: 用经过sweep打平的曲线以及裁切的各种多面体用heightfield_project投影制作河道和水池,用blur mask并remap的方法拓宽河道 用distort、erode制造合适的弯曲和侵蚀,同理可挖出月牙形 阅读详情

相关推荐

open-mmlab / mmpose安装、使用教程

mmpose安装、使用教程mmpose安装教程1. 安装mmcv-full2. 安装MMPose2. 安装mmdet使用教程1. 预测图片2. 预测视频 mmpose mmpose是商汤旗下有又一款好用的工具箱,主要是针对姿态识别任务开发的,包括人体姿态识别和动物姿态识别。里面继承很多现成的网络可以供大家使用,并且提供了训练好的权重。用户可以更具自己的需求训练自己的数据,或者直接应用他们的结果,反正就是很全面啦!!!! github连接:https://github.com/open-mmlab/mmpos

CharmsLUO的博客 1万+

numpy中的np.greater()函数的用法

1. 函数功能 该函数的功能是判断参数一是否大于参数二。 2. 参数介绍 arr1:第一个参数类似一个数组 arr2:第二个参数类似一个数组 out:返回值是bool类型或者是元素为bool的数组 3. 代码案例 import numpy as np arr1 = np.array(1) arr2 = np.array(0) bool1 = np.greater(arr1, arr2) print(bool1) # 输出值 # True arr1 ...

weixin_43869605的博客 7579

c++多线程(1)------创建和管理线程td::thread

std::thread 是 C++11 标准库中用于创建和管理线程的核心类,定义在 <thread> 头文件中。它使得多线程编程变得简单、类型安全且跨平台。

jndingxin的专栏 648

numpy学习笔记

如x = [1,2,3],y = [4,5,6],则np.meshgrid(x,y)会返回一个list,该list表示所有可能取到的坐标,其中有两个元素,第一个元素是X轴的取值,第二个元素是Y轴的取值。(x轴从[1,2,3]中取值,y轴从[4,5,6]中取值)因为在所有可能的坐标中,x的每个取值对应3个可能的y值,因此每个x值是要取三次的。如(1,4),(1,5),(1,6)range:一个长度为2的元组,表示统计范围的最小值和最大值,默认值None,表示范围由数据的范围决定;生成一组按正态分布排列的数。

weixin_49643729的博客 367

开源大模型推理GPU资源评估以及优化

随着大模型的火热很多项目中都使用到了开源大模型,这时候准确评估大模型的GPU资源非常重要,主要有下面几个方面:GPU是昂贵的资源。高估内存需求可能导致在硬件上的不必要支出,而低估则可能导致系统故障或性能下降。:适当的内存管理确保模型高效运行,能够更快地响应用户并处理更多并发请求。:随着需求的增长,理解内存需求对于在不牺牲性能或产生高昂成本的情况下扩展服务至关重要。尽管其重要性显而易见,但计算用于服务大型语言模型(LLM)的GPU内存并不简单。

优快云DN的博客 3118

基于ASP.NET+SQLServer的美妆网站的设计与实现

通过本次ASP.NET MVC美妆商城项目的开发,我们实现了一个功能完善、性能稳定的在线购物平台。该项目不仅提升了用户的购物体验,也为商家提供了一个高效的商品管理和销售渠道。未来,我们将持续优化系统功能,提升用户体验,以适应不断变化的市场需求。

毕业设计大牛哥 1502

【NumPy】深入解析numpy中的greater方法

NumPy的核心特性是其N维数组对象,它提供了快速且灵活的大数据集容器,以及丰富的数学函数库来对数组执行各种数学和逻辑操作。NumPy作为Python的一个强大数学库,提供了大量的比较函数,用于数组之间的元素级比较。:比较操作要求输入数组的形状是相同的或者广播兼容的。:NumPy的优势在于其向量化操作,可以一次性对数组中的多个元素进行操作,而无需使用循环。方法是一个常用的比较函数,用于判断第一个数组中的元素是否大于第二个数组中的对应元素。是需要比较的两个数组,它们的形状可以是相同的,也可以是广播兼容的。

2402_83361138的博客 1273

电阻基础知识及应用电路仿真(Multisim)

本文围绕硬件工程师必备的电阻知识,从基础知识、实操、应用仿真三方面做系统讲解:基础上明确电阻的核心参数、分类、串并联计算及核心特性;实操中详解贴片/色环电阻的阻值读取、贴片封装换算,重点区分0Ω电阻(贴装跳线,实现功能选通/调试等)与磁珠(高频吸噪)的差异及选型;应用上介绍限流、分压、上拉/下拉、阻抗匹配、过压/过流保护五大典型电路的设计公式、选型原则和实操要点,同时给出电阻通用的选型、测量和布线设计规范,形成完整的电阻应用知识体系。

XU157303764的博客 2783

【NumPy】深入解析numpy中的less方法

less方法是 NumPy 提供的一个函数,用于比较两个数组的元素。如果a1中的元素小于a2中的相应元素,则结果数组中的对应位置为True,否则为False。NumPy 的less方法是一个简单而强大的工具,它允许我们快速地比较两个数组的元素。通过本文,我们了解了less方法的使用方式、应用场景以及如何与其他 NumPy 函数结合使用。在实际的数据分析和科学计算中,这些方法可以帮助我们更高效地处理和分析数据。

2402_83361138的博客 944

西门子G120变频器在立体仓库堆垛机应用参数设置

本文详细介绍了G120 CU240E及CU250S变频器的参数设置流程。主要内容包括:1)快速调试步骤,从新建项目、扫描节点到设置电机类型、负载类型等参数;2)抱闸参数设置方法;3)参数下载异常时的处理方案。重点说明了通过STARTER软件进行向导式调试的完整过程,包括电机铭牌参数输入、识别方式选择等关键环节,并提示了通讯连接注意事项。当下载失败时,提供了通过导入导出项目文件解决问题的具体方法。

xdpcxq的专栏 865

13.0 针对跳转不存在Activity崩溃处理,改成弹Toast提示,去掉崩溃弹窗,避免app崩溃退出

在开发过程中,在app跳转到某个没注册的Acitivity时,往往会出现崩溃的场景,这样也不好,接下来就从framework中来拦截这个崩溃,改成toast提示,

安卓兼职framework和app工程师的博客 49

逐一对比两个数组中对应位置的元素大小numpy.greater()

逐一对比两个数组中对应位置的元素大小 numpy.greater()

liujingwei8610的专栏 1282

YOLOv8 改进:添加 LSK 注意力机制

通过添加 LSK 注意力机制,YOLOv8 能够更有效地捕捉特征图上的重要信息,提高检测性能,尤其是在复杂场景下展现出色的表现。这种方法不仅适用于资源受限的设备,还能在丰富多样的实际应用中提供强劲支持。

走向CTO的路上... 1223

numpy知识点梳理

numpy知识点梳理。

yang_sixue的博客 410

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

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。

numpy(逻辑函数与数学函数)

numpy(逻辑函数与数学函数)

qq_52683824的博客 599

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

numpy_less函数

  less的函数原型如下: numpy.less(x1, x2) 该函数用于判断x1是否小于x2。 import numpy as np a = np.less([1, 2], [2, 2]) print("a =", a) 执行结果: a = [ True False]

健身房 1203

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

NumPy库基础

简单学习了一下NumPy库的基础知识,对数组的一些运算操作。 1.认识ndarray对象 2.数组运算方式 3.数组索引和切片 4.使用数组进行数据处理 1 """numpy库的基础""" 2 import numpy as np 3 data = np.arange(12).reshape(3, 4) # 创建一个3行4列的数组 4 5 print(data)...

weixin_30517001的博客 329

Numpy其他函数,三元表达式,unique

Numpy其他函数,三元表达式,unique

微笑一号的博客 2150

什么叫三元表达式

这里是引用 什么叫三元表达式呢? 三元运算,顾名思义会有三个要素表达式的大致组成为condition ? expr1 : expr2;一个语句加两个表达式。问号之前为判断语句。如果为真,则执行第一个表达式,如果为假,则执行第二个表达式** 如果取值 床垫附加费 是空的 则赋值为0 (注:BigDecimal 是床垫附加费的类型 BigDecimal的方法 不止有BigDecimal.ZERO 还有很多BigDecimal.ONE BigDecimal.TEN 等等) 问号之前为判断语句。如果为真.

songyh19的博客 2239

numpy.arctan详解

numpy.arctan 用例: numpy.arctan(x, /, out=None, *, where=True, casting=‘same_kind’, order=‘K’, dtype=None, subok=True[, signature, extobj]) = <ufunc ‘arctan’> 功能: 对数组中的每一个元素求其反正切值。它是正切函数的反函数,所...

wzy628810的博客 3万+

3、Numpy中的通用函数

在 NumPy 中,通用函数(通常称为ufunc)是一种对 ndarray 中的数据执行元素级运算的函数。这些函数是高度优化的、快速的向量化包装器,提供了简单的方法对数组中的所有元素执行相同的操作,而不需要编写循环语句。

sinat_34461199的博客 1587

无涯教程-NumPy - arctanh()函数

此函数用于计算数组元素的双曲反正切。

无涯教程 588

【NumPy】深入解析numpy中的greater_equal、less_equal方法

NumPy 的核心是其 N 维数组对象ndarray,它提供了一个强大的数据结构来存储和操作大型数据集。NumPy 的数组支持广泛的操作,包括数学运算、逻辑运算、形状操作等。NumPy 的和less_equal方法是进行数组比较的强大工具。通过本文,我们了解了它们的使用方式、应用场景以及如何与其他 NumPy 函数结合使用。在实际的数据分析和科学计算中,这些方法可以帮助我们更高效地处理和分析数据。

2402_83361138的博客 1754

【Python数据处理】-Numpy库

numpy 文章目录Numpy矩阵数组ndarray数组的创建ndarray数组的维度变换属性ndarray的元素类型ndarra数组的类型变换ndarray数组向列表的转换运算Numpy一元函数*unary ufunc*Numpy二元函数 *binary ufunc*矢量化三元表达式 *```np.where(arr1,第二个参数,第三个参数)```*随机数组统计函数IONumpy便捷文件存...

儒冠多误身的博客 1000

np.arctan() math.tan() math.atan()

numpy和math中arctan()和math.atan()是得到的弧度值。 import numpy as np from numpy import * import math print(np.arctan(1)) print(math.atan(1)) print(math.tan(45 * np.pi / 180)) 结果是, 0.7853981633974483 0.78539816...

qq_43043256的博客 3559

python寻找非线性趋势信号的局部峰值

python寻找局部峰值 首先请看下图,对于如图所示的一维信号,我们如何得到它的局部峰值,如果用人眼,能很好地判断,但是对于计算机,这个信号存在一个非线性趋势,就比较困难了。 python中scipy模块的signal有一个寻峰函数argrelextrema。我们使用语句: signal.argrelextrema(data, np.greater) 可视化如图: plt.plot(np.ar...

qq_28156907的博客 5060
上一篇: 饮食结构
下一篇: 【儒冠多误身】个人数据处理基本流程【简述】
儒冠多误身
博客等级 码龄8年 12粉丝 24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