Python3--我的代码库之numpy(一)

本文介绍了Python中NumPy库的基本使用方法,包括数组的创建、基本属性的获取、数据类型的指定及一些常用数组的生成方式,如全零数组、全一数组、空数组、序列生成等。
部署运行你感兴趣的模型镜像

1、导入numpy模块,并起别名np

import numpy as np

2、创建一个数组array

array = np.array([[1,2,3],[2,3,4]])

array([[1, 2, 3],
[2, 3, 4]])

3、打印各基本属性

array.ndim
Out[4]: 2

array.shape
Out[5]: (2, 3)

array.size
Out[6]: 6

len(array)
Out[7]: 2

4、花式操作

a_dim = np.array([1,2,3,4],dtype = np.int64) #指定数组内部存储的数据类型

a_dim.dtype
dtype(‘int64’)

zero_full = np.zeros((2,3)) #生成全为零值的数组

array([[0., 0., 0.],
[0., 0., 0.]]) #默认数据类型为dtype(‘float64’)

ones_full = np.ones((2,3)) #生成全为1的数组矩阵

array([[1., 1., 1.],

empty = np.empty((2,2)) #生成一个空矩阵,但并非为空

array([[4.9e-324, 9.9e-324],
[1.5e-323, 2.0e-323]])


a_vec = np.arange(0,10,2) #生成序列,前闭后开

array([0, 2, 4, 6, 8])

a_vec = np.arange(0,10).reshape((2,5))

array([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])

line_vec = np.linspace(1,10,5) #从0到10之间等间距取值5个

array([ 0. , 2.5, 5. , 7.5, 10. ])

您可能感兴趣的与本文相关的镜像

Python3.9

Python3.9

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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