Numpy基本使用方法

最新推荐文章于 2024-03-31 06:00:00 发布

晓破

最新推荐文章于 2024-03-31 06:00:00 发布

阅读量310

点赞数

分类专栏： Deep learning 文章标签： python numpy 机器学习

本文链接：https://blog.youkuaiyun.com/nicexiangshuai/article/details/106544048

版权

Deep learning 专栏收录该内容

2 篇文章

订阅专栏

本文介绍了Numpy的基本使用，包括n维数组ndarray的属性如维度、形状、大小和类型，以及数组的创建、计算操作、内置函数应用、数组统计方法和数组分割技巧。Numpy是Python中用于科学计算的核心库，常与scipy和matplotlib配合使用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Numpy基本使用方法

numpy简介

numpy、scipy和matplotlib组合使用代替matlab。numpy主要用于科学计算。

n维数组ndarray

1.ndarray.ndim 定义维度的数量
2.ndarray.shape 数组的维度
3.ndarray.size 数组元素的总个数
4.ndarray.dtype 元素类型
5.ndarray.data 包含实际数组元素的缓冲

创建

a = np.arange(15).reshape(3,5)
print(a)
>>>[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]

a = np.array([2,23,4],dtype=np.int)
print(a)
>>>[ 2 23 4]

a = np.zeros((3,4))
print(a)
>>>[[0. 0. 0. 0.]
    [0. 0. 0. 0.]
    [0. 0. 0. 0.]]

a = np.ones((3,4),dtype = np.int)
print(a)
>>>[[1 1 1 1]
    [1 1 1 1]
    [1 1 1 1]]

a = np.empty((3,4))
print(a)
>>> [[0. 0. 0. 0.]
     [0. 0. 0. 0.]
     [0. 0. 0. 0.]]

a = np.arange(10,20,2)
print(a)
>>>[10 12 14 16 18]

a = np.array([[0,1,2],[3,4,5],[6,7,8]])
print(a)
>>> [[0 1 2]
     [3 4 5]
     [6 7 8]]

计算

a = np.array([10,20,30,40])
b = np.array([0,1,2,3])
c = a - b
print(c)
[10 19 28 37]

d = a + b
print(d)
[10 21 32 43]

e = a * b
print(e)
[  0  20  60 120]

f = a ** 2
print(f)
[ 100  400  900 1600]

函数

c = 10 * np.sin(a)
print(c)
[-5.44021111  9.12945251 -9.88031624  7.4511316 ]
# 逻辑判断
print(b<3)
[ True  True  True False]
# 矩阵乘法
c = a.dot(b)
print(c)
200

数组统计

# 数组求和，最大值，最小值
a = np.random.random((2,4))
print(a)
[[0.11138439 0.66663092 0.03111582 0.19987269]
 [0.19735493 0.47426296 0.33758108 0.85011231]]

print(np.sum(a))
2.8683150918919527

print(np.max(a))
0.8501123052951051

print(np.min(a))
0.03111582134994273

数组分割

A = np.arange(12).reshape((3,4))
# 三个参数： 目的数组，分割份数，分割方向
# axis = 0 纵向分割；axis = 1 横向分割
print(np.split(A,2,axis=1))
[array([[0, 1],
       [4, 5],
       [8, 9]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11]])]