numpy小结

最新推荐文章于 2025-08-05 17:20:40 发布

钟一淼

最新推荐文章于 2025-08-05 17:20:40 发布

阅读量209

点赞数

CC 4.0 BY-SA版权

分类专栏：淼淼的深度学习淼淼的python 文章标签： numpy python

本文链接：https://blog.youkuaiyun.com/m0_64045085/article/details/128072576

淼淼的深度学习同时被 2 个专栏收录

5 篇文章

订阅专栏

淼淼的python

3 篇文章

订阅专栏

这篇博客总结了NumPy库的一些核心用法，包括创建数组、改变数组类型和形状、取值以及应用各种数学函数。例如，使用`np.array`创建矩阵，通过`reshape`调整形状，利用`np.random.randn`生成随机数，以及使用`np.split`进行切片，还有`np.sum`求和，`np.all`和`np.any`判断条件等。这些内容对于日常的数据处理和科学计算非常实用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

总结一些numpy常用的用法（我将来会经常用到的，不经常用到的就再搜），主要是上课总结的和自己经常用到的。

import numpy as np
import pandas as pd
import random

#创建数组
np.array([[1,2,3],[2,3,4]])#创建数组
a=np.arange(9).reshape((3,3))#随机生成0-8的3x3的矩阵
data=np.random.randn(2,4)#随机生成2x4的矩阵
b=np.empty((8,8))#只占位置
np.full((2,4),5)#填充性数组
a=np.ones((2,3,9))#全为1

#改变数组的类型
data.dtype='int32'

#改变数组的形状
a.reshape((3,3))#改变形状
a.reshape((4,-1))#-1是不确定形状，在深度模型中经常用到

#取值
a=np.split(a,3,axis=0)#取行
a=np.split(a,4,axis=1)#取列
np.where(a==1)#查找元素=1的位置
#索引的话默认是行，与字符串切割类似

#常用的函数
a=np.random.randn(2,4)
a=(a>0)#变成布尔数组
a.sum()#>0的个数
a.any()#存在大于零
a.all()#是否都大于0
a=np.abs(a)#取模

data=np.random.randn(2,4)
data=np.rint(data)#四舍五入
data=np.sqrt(data)#开根号
data=np.square(data)#平方
data=np.modf(data)#小数整数分离开