numpy 简单应用

本文详细介绍了如何使用Python的NumPy库进行数组操作,包括基本的数组创建、属性获取、数学运算及矩阵运算等内容。此外,还展示了如何利用NumPy进行随机数生成、统计分析等高级应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、将一个列表转换成numpy的array

import numpy as np
array = np.array([[1,2,3],[2,4,5]])
print(array)
#数组维度,即行数 输出2
print(array.ndim)
#数组行列数 输出(2,3)
print(array.shape)
#元素个数 输出6
print(array.size)


2、创建不同类型的数组

import numpy as np
#通过列表形式创建,输出[1 2 3 4]和列表形式差不多,只是没有逗号
a = np.array([1,2,3,4])
print(a)
#可以通过dtype来定义数组内的类型,类型包含np.int,np.float32,np.double等,输出int64
atype = np.array([1,2,3,4],dtype = np.int)
print(atype.dtype)

#生成4行,5列全部为零的矩阵,全部为1的矩阵np.ones(),np.empty(),里面是接近为零的矩阵,
#函数参数是元组,表示数组的维数,如(3,4)
b = np.zeros((4,5))
print(b)

#生成有序的数列,从10到20,步长为2,和range差不多
c = np.arange(10,20,2)
print(c)

#生成顺序的多维数组
d = np.arange(16).reshape((4,4))
print(d)
#生成一条线上的所有间隔点
e = np.linspace(1,10,20)
print(e)


3、numpy.array的相关运算

import numpy as np

#python中次方是**
a = 10**3
print(a)

#numpy中的sin,cos等函数
b = np.sin(0.5)
print(b)

#找出数组中数据小于5的数,输出是同等大小的数组,里面标识为True和False
c = np.arange(12).reshape((3,4))
print(c<5)

#二维矩阵运算
d = np.array([[1,2],[2,3]])
e = np.ones((2,2))
#矩阵中元素逐个相乘
f = d*e
print(f)
#矩阵相乘
g = np.dot(d,e)
print(g)
#第二种形式
h = d.dot(e)
print(h)

#生成一个随即的矩阵
i = np.random.random((2,4))
print(i)

#找到矩阵中最大值,最小直,求和
print(np.sum(i))
print(np.max(i))
print(np.min(i))

#找一行中的最大最小求和,axis=1为行求值,axis=0为列求值。
print(np.sum(i,axis = 1))
print(np.max(i,axis = 0))
print(np.min(i,axis = 0))

评论
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