千寻的博客

https://blog.youkuaiyun.com/weixin_37895339/article/details/78442555操作不改变原数据，需要等式赋值numpy.insert(arr,obj,value,axis=None) value为插入的数值 arr:为目标向量 obj:为目标位置 value:为想要插入的数值 axis:为插入的维度#对a中,0维度,目标位1处...

np.poly1d()此函数有3个参数1.参数1：系数向量 import numpy as npa= np.array([2,1,1])f = np.poly1d(a)print(f)#2 x2 + 1 x + 1 2.参数2：bool则表示把数组中的值作为根，然后反推多项式，例如：q = np.poly1d([2,3,5],True)print(q)#(x ...

np.linspace(start,stop,num)import numpy as npx=np.linspace(1,10,10)print(x)#[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]ones(shape)x1=np.ones((3, 3))print(x1)#[[1. 1. 1.] [1. 1. 1.] [1. 1...

https://blog.youkuaiyun.com/yj1556492839/article/details/79031693np.r_是按列连接两个矩阵，就是把两矩阵上下相加，要求列数相等，类似于pandas中的concat()。np.c_是按行连接两个矩阵，就是把两矩阵左右相加，要求行数相等，类似于pandas中的merge()。 import numpy as npa = np.arr...

https://www.cnblogs.com/mzct123/p/8659193.html from numpy import *a = arange(12).reshape(3,4)print(a)# [[ 0 1 2 3]# [ 4 5 6 7]# [ 8 9 10 11]]print(a.ravel())# [ 0 1 2 3 4 5 6...

比较两个向量是否相同直接==就行，但是相近的话就不一样了，当然可以自己实现，这里numpy提供了方法，官方API:https://docs.scipy.org/doc/numpy/reference/generated/numpy.allclose.htmlnumpy.allclose(a, b, rtol=1e-05, atol=1e-08, equal_nan=False)a,b...

1.norm实现数据归一化 import numpy as npx=np.array([[0, 3, 4], [2, 6, 4]])y=np.linalg.norm(x, axis=1, keepdims=True)z=x/yord ： 为设置具体范数值， axis 向量的计算方向。axis=1表示按行向量处理，求多个行向量的范数axis=0表示按列向量处理，求多个列向...