python基础——numpy包

Python NumPy包 Numpy包中的数据结构包括Ndarray(数组)与Matris(矩阵) 矩阵:对应的是二维空间。 数组:对应的是多维空间。 关于矩阵和数组区别的介绍:一文搞懂 Python 矩阵和数组的区别_AItrust的博客-优快云博客_python中数组和矩阵的区别 一.数组(Ndarray) 1.引用numpy包 引用numpy包,将其命名为 np import numpy as np 2.包内方法(不全) array():可以把序列对象转化为数组 array002=np.array([ 阅读详情

import numpy as np

ndarry

同种类型元素组成的多维数组

a = np.array([[1, 2, 3],[4, 5, 6]], dtype = float)

属性

  • ndim:维度
  • shape:数组形状
  • reshape:改变形状
  • dtype:元素类型
  • size:尺度,代表元素个数
a.ndim   #2
a.shape  #(2, 3)
a.reshape(3, -1) #(3, 2) -1代表未知,根据其他维度来计算这一维的数值
a.dtype  #float64
a.size   #6

创建方式

  • array:将普通序列转化为ndarray
  • zeros:创建指定长度或形状的全零数组
  • ones:创建指定长度或形状的全1数组
  • empty:创建一个未初始化的数组
np.zeros((3, 4))  #这里(3, 4)为自己想创建的数组类型
np.ones((3, 6))
np.empty((3, 6))
  • arange:(开始值, 终值, 步长)和python的range相同,不包括最终值
  • linspace:(开始值, 终值, 元素个数),包含最终值
  • logspace:(n, m, 元素个数),将从10n开始到10m结束,为等比数列
np.arange(5)  #array([0, 1, 2, 3, 4])
np.arange(0, 5, 1)  #array([0, 1, 2, 3, 4])

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

np.logspace(0, 2, 5) #array([  1.        ,   4.64158883,  21.5443469 , 100.        ])
  • random:产生随机数
np.random.random((2, 4))  #数组维度为(2, 4)

数据类型

  • astype:转换数组类型
example = a.astype (int)

常见类型:

  • in8:-128 ~ 127,1个字节
  • in16:-32768 ~ 32767,2个字节
  • float16:5位指数,10位小数
  • float32:8位指数,23位小数
  • float64:11位指数,52位小数

操作

运算

采用广播机制,对于数组可以实现批量计算

  • 标量运算较为简单,+-*/同理
b = 2 * a  #array([[2, 4, 6], [8, 10, 12]])
  • 数组间元素运算(对应元素运算):+-*/要求数组形状相同
a = np.array([[1, 2], [3, 4]])
b = np.array([[1, 2], [3, 4]])

c = a+b  #array([[2, 4], [6, 8]])
  • 矩阵外积:矩阵乘积
c = np.dot(a, b) #array([[ 7, 10], [15, 22]])

附:矩阵内积为2+4+6+8

布尔索引

索引有很多花样,这里只介绍最常用的两种

该索引方式适用于数值和字符串

example = np.random.random((2, 2))  
#array([[0.88270165, 0.79228441],[0.24445323, 0.33982179]])

example>0.5
#array([[ True,  True], [False, False]])

example2 = example[example>0.5]
#array([0.88270165, 0.79228441])

转置

example2 = example.transpose()
example2 = example.T
# array([[0.88270165, 0.24445323],[0.79228441, 0.33982179]])

通用函数

  • abs,fabs:计算整数、浮点数或复数的绝对值,fabs对非复数更快
  • sqrt:计算各元素的平方根
  • square:计算各元素的平方
  • exp:计算各元素的指数e的x次方
  • maximum、fmax:元素级别的最大值,fmax会忽略NaN
  • minimum、fmin:元素级别的最小值,fmin会忽略NaN
  • pow:对第一个数组中的元素A,根据第二个数组中的相应元素B, 计算A的B次方
  • isnan:返回一个表示“哪些值是NaN(不是一个数字)”的布尔类型数组
  • mod:元素级的求模(除法的余数)

最大值,最小值,均值

  • max():最大值
  • min():最小值
  • std():均值
a = np.array([[1, 2, 3],[4, 5, 6]])

a.max()  #6
a.min()  #1
a.std()  #1.707825127659933

a.min(axis=0)  #第0维即按列求最小值
#array([1, 2, 3])

where函数

np.where(条件, x, y)=x[x if 条件 else y]

example = np.array([[1, 2, np.NaN], [4, np.NaN, 6]])
example2 = np.where(np.isnan(example), 0, example)
# array([[1., 2., 0.], [4., 0., 6.]])

文件读写

二进制文件

a = np.array([[1, 2, 3],[4, 5, 6]])

np.save('data', a)
data = np.load('data.npy')

文本文件

主要以csv文件形式

np.savetxt('data.csv', a, delimiter=',')
data = np.loadtxt('data.csv', delimiter=',')

data = np.genfromtxt('data.csv', delimiter=',')
#会读取标题,如data['y']
第二十六届中国机器人及人工智能大赛CRAIC决赛小型桌面级-立体仓储代码分享 国二奖,精度还有不少问题,没有视觉模块,单线程,比起其他大佬写的确实还有欠缺,继续加油吧。 阅读详情

相关推荐

深度学习基于Resnet18的图像多分类--训练自己的数据集(超详细 含源码)

深度学习基于Resnet18的图像多分类--训练自己的数据集(超详细 含源码)

她是不会无条件的!! 2万+

python的第三方包Numpy简介(1)

一、关于Numpy 1.Numpy Numpy是Python用于科学计算的基础包,也是大量Python数学和科学计算包的基础,不少数据处理及分析包都是在Numpy基础上开发的,比如后面介绍的pandas包就是在其基础上开发的。 Numpy的核心基础是ndarray(N-dimensional array,N维数组),即由数据类型相同的元素组成的N维数组。 2.利用 可利用Numpy包提供的数组定义函数array()将数据转化为数组的形式。 3.Numpy包的导入 在Anaconda发行版中,N

chy3232的博客 3780

别再只盯着报点率了:聊聊电容触摸屏算法里那些不为人知的‘软实力’

本文深入探讨了电容触摸屏算法中常被忽视的‘软实力’,包括环境噪声干扰、信号衰减补偿和多物理场耦合等核心挑战。通过对比消费电子与工业场景的算法需求,揭示了触摸算法在不同应用中的技术分野。文章还提供了实用的算法评估方法和前沿发展趋势,帮助开发者全面了解电容触摸屏技术的隐秘战场。

weixin_42524276的博客 391

Python —— NumPy包

NumPy最重要的一个特点是其N维数对象ndarry,它是用于存放同类型元素的多维数组,ndarry中的每个元素在内存中占有相同大小的区域。

DamianVanilla的博客 1535

Cisco Packet Tracer 9.0 工业网络模拟:3步配置OT协议与Purdue模型实战

本文详细介绍了如何使用Cisco Packet Tracer 9.0进行工业网络模拟,包括Purdue模型构建、三大OT协议(Modbus TCP/IP、CIP、PROFINET IO)配置及工业网络安全防护。通过实战演练,读者可掌握工业网络设计、配置与安全防护的核心技能,适用于智能制造和能源管理等场景。

weixin_28691741的博客 354

用5毫欧采样电阻实现高精度电流检测?数字可调电源控制板的硬件设计陷阱

本文深入探讨了在数字可调电源控制板设计中,如何利用5毫欧采样电阻实现高精度电流检测。从微小信号放大电路设计、采样电阻布局与热管理,到电源切换与电池管理电路优化,提供了全面的硬件设计解决方案和实用技巧,帮助工程师规避常见设计陷阱,提升系统性能。

wdx0123456的博客 1032

python包介绍:numpy

1 ndarray 1.1 创建 np.array(object,dtype=…) 用object创建ndarray empty(shape,dtype=) 指定形状&类型,元素值均为随机值 zeros(shape,dtype=) 填充0 ones 填充1 ...

qq_40206371的博客 1570

对西安交大轴承数据集XJTU-SY_Bearing_Datasets进行读取和处理:

故障诊断,对西安交大轴承数据集XJTU-SY_Bearing_Datasets进行读取和处理

qq_44757503的博客 6068

python中numpy包

python中numpy包

herry57的博客 645

RT-DETR训练前的准备,将数据集划分成训练集、测试集验证集(附完整脚本及使用说明)

在计算机视觉领域,当我们着手训练一个模型时,。其中,将数据集划分为和更是一项基础性且关键的操作。这篇博客分析了这一划分背后的原因、其重要意义以及如何通过代码实现,帮助大家更好地理解和运用这一技巧,。

Limiiiing的博客 913

Camunda 7.x 系列【22】全局监听器

Camunda支持义一个全局ExecutionListener和一个全局TaskListener,会捕获流程中发生的所有事件的通知,这样可以定义一个全局的审批人检查监听器,作用于所有用户任务。

记录知识、锤炼自我 2942

python中的Numpy包

Numpy是Numerical Python的英文缩写,是最常用的Python包之一,主要特点如下: 1、Numpy以N维(N=1或2是比较常见的)数组对象(ndarray)形式组织数据集,其中要求数据集中各变量的类型相同。Numpy的1维数组对应向量,2维数组对应矩阵。数据访问简单灵活,仅需通过指定位置编号(也称索引,从0开始编写)访问相应行列位置上的元素。 2、Numpy拥有丰富的数学运算和统计函数,能够方便地进行基本统计分析和各种矩阵运算等。 一、Numpy数组的创建和访问 import n

qq_41298671的博客 1317

Python3+PCAN-USB基于PCAN-Basic二次开发实现上位机功能

一、环境搭建 1.概述 本文主要是通过Python3与CAN总线工具PCAN-USB基于官方PCAN-Basic库实现CAN总线消息读写功能。 2.PCANBasic.py和PCANBasic.dll下载地址 https://www.peak-system.com/fileadmin/media/files/pcan-basic.zip 3.Python安装 下载地址:https://www.p...

测试领域技术分享 5186

python安装numpy包教程等其他相关包

点击打开链接https://blog.youkuaiyun.com/u013355826/article/details/73692327python安装相关包比如:安装numpy包1、查看环境:安装的python3.6+64位的环境+windows系统2、打开地址    https://www.lfd.uci.edu/~gohlke/pythonlibs/找到numpy合适的版本cp36+win+amd64...

sinat_23619409的博客 5万+

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

Python量化炒股常用的Numpy包

NumPy(Numerical Python)是 Python 中用于科学计算的基础库,提供了强大的多维数组对象和相关工具,以及用于处理这些数组的数学函数。以下是关于 NumPy 包的概述:主要特点多维数组对象:NumPy 的核心是ndarray对象,它是一个具有相同类型、固定大小的数组,支持高效的数值运算。矢量化操作:NumPy 提供了广播功能,使得在整个数组上执行操作更加简单和快速,避免了使用循环。数学函数:NumPy 包含了许多数学函数,如三角函数、指数函数、对数函数等,可以直接应用于数组。

Bruce_xiaowei的博客 2602

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

python3.6安装numpy包笔记

参考链接:https://blog.youkuaiyun.com/sinat_23619409/article/details/79961836 python安装相关包 比如:安装numpy包 1、查看环境:安装的python3.6+64位的环境+windows系统 2、打开地址https://www.lfd.uci.edu/~gohlke/pythonlibs/ 找到numpy合适的版...

weixin_42748983的博客 8829

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

python学习—Numpy包

教程为《利用python进行数据分析》,本人已进行基本入门学习,利用此处书对Numpy包及pandans包学习。 Numpy包   一、概念: ndarray N维数组对象,多维数据容器,所元素必须同类型,包含: 1、 shape: 一个表示各位维度大小的元组(描述从外向里,见后面栗子); 2、 dtype:一个明确数据类型的对象   二、创建ndarray数组 >>im

zlhllq的博客 654

import numpy as np什么意思_一文包会,教你如何熟练运用Python数值计算Numpy包

对于用Python的朋友来说,在平常的数值计算中肯定会用到一个开源包,没错,它就是大名鼎鼎的Numpy包,全称为Numberical Python,是Python的一种开源的数值计算扩展,Numpy包内部集成了大量的数学函数库,你都可以随手拿来使用,极为方便!好啦,下面咱们就来聊聊这个Numpy包吧!在Python中,如果涉及到第三方包的使用,第一步要做的事情当然是将这个包导入啦!那咱们就看看Nu...

weixin_36068199的博客 2万+

python 导包 numpy_导入Python包时出错(例如Numpy)

我正在使用一个计算群集,无法访问整个群集。因此,我尝试在本地(在我的“home”目录中)安装python的包,但是从脚本导入它们时遇到了问题。在我试图更新我的路径和PYTHONPATH,将两者都设置为~/.local/lib。我正在导入的集群上已经创建了一个python3.7.3模块。但是我不能访问它来添加更多的包,这就是为什么我必须在本地安装。模块和my.local目录的路径都在路径中。在当我使...

weixin_36156209的博客 1358

python 离线安装numpy_Python本地安装numpy包

python的pip工具可以很方便的在线安装各种第三包包,但有时也需要离线的方式通过本地包来安装,下面就介绍一下如果通过本地安装的方式安装numpy包1. python官网下载python安装包,并安装,记得在安装选项栏里将pip选项选上,pip是python官方自带的包管理工具可以很方便的通过pip安装所需要的包,不过忘记点也没有关系2. 在https://pypi.python.org/pyp...

weixin_39909001的博客 5039

python中Numpy包的安装及使用

Numpy包的安装准备工作 Python安装 pip安装 将pip所在的文件夹添加到环境变量path路径中 下载相应的Numpy安装包,.whl格式。下载链接. 以上准备工作准备完毕之后,进行Numpy安装,先进入whl安装包的存放目录。比如在C盘:cd C:\再使用命令行安装:pip install numpy文件名.whl至此,Numpy的安装完成。Numpy使用举例import numpy a

浪潮之巅的专栏 6万+

Windows下安装python的Numpy包

Windows下安装python的Numpy包安装方式1 通过命令在线安装2 下载文件本地安装 安装方式 安装python包有两种方式,在线安装比较简单,更推荐。 1 通过命令在线安装 pip install numpy 通过命令行或者powershell,执行上述命令,如果不成功,可能需要通过管理员身份运行。 若pip需要更新,执行以下命令: pip install --user pip --upgrade 先决条件是已经安装了python以及pip,安装程序会自动判断python版本以及系统32或6

a_app的博客 1101

python numpy包在哪下载_Python Numpy包安装

1,下载python下载地址: https://www.python.org/downloads/windows/2,配置python环境变量在电脑的系统属性的系统变量path中添加python的安装路径,如在path中加入 ;F:\Python34;F:\Python34\Scripts;3,使用pip 指令安装numpy包3.1 打开dos命令输入 pip install numpy ...

weixin_39930252的博客 1350

python数值计算_一文包会,教你如何熟练运用Python数值计算Numpy包

对于用Python的朋友来说,在平常的数值计算中肯定会用到一个开源包,没错,它就是大名鼎鼎的Numpy包,全称为Numberical Python,是Python的一种开源的数值计算扩展,Numpy包内部集成了大量的数学函数库,你都可以随手拿来使用,极为方便!好啦,下面咱们就来聊聊这个Numpy包吧!在Python中,如果涉及到第三方包的使用,第一步要做的事情当然是将这个包导入啦!那咱们就看看Nu...

weixin_39800990的博客 753

python安装numpy包教程等其他相关包_Python中Numpy包的安装与使用方法简明教程

本文实例讲述了Python中Numpy包的安装与使用方法。分享给大家供大家参考,具体如下:Numpy包的安装准备工作1. Python安装2. pip安装(如使用pip安装命令:pip install numpy)3. 将pip所在的文件夹添加到环境变量path路径中4. 下载相应的Numpy安装包,.whl格式。下载链接.以上准备工作准备完毕之后,进行Numpy安装,先进入whl安装包的存放目录...

weixin_39870132的博客 361

使用pip安装Python包--NumPy

一、pip简介 python附带了一些基本的内置模块,例如用于额外数学运算符的math模块和用于执行正则表达式的re模块。这些都是预先包括,因为它们被认为是非常有用的,将被大量使用。但是,不包括更模糊或更大的模块,如numpy(基于C的阵列)和其他模块。如果我们需要非内置模块,就需要用到pip。Pip是Python官方推荐的包管理工具,作为一个工具,它将帮助你安装和管理不属于标准库的其他库和依赖。 二、安装pip 大多数较新的Python版本都自带pip,因此首先检查系统是否已经安装了pip。在python

qq_36455412的博客 7869
上一篇: python基础——异常
下一篇: LC166. 分数到小数
min_coder
博客等级 码龄6年 12粉丝 66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