import numpy as nu
n1=nu.array([0,2,5,6,8])
n2=nu.arange(5)
# print(n1*2+n2*4)
# print(n1[2:])
print(n1.max())
print(n1.min())
print(n1.sum())
a = nu.array([[11, 12, 13, 14, 15],
[16, 17, 18, 19, 20],
[21, 22, 23, 24, 25],
[26, 27, 28 ,29, 30],
[31, 32, 33, 34, 35]])
print(a[2,4])
import numpy.matlib a=numpy.arange(15).reshape(3,5) print(a) print(a.sum(axis=0)) print(a.sum(axis=1)) print(a.cumsum(axis=1)) print(numpy.exp(a)) print(numpy.sqrt(a)) print(a.T.shape)

本文详细探讨了numpy库在数据分析中的核心作用,包括数组操作、矩阵运算以及统计函数等关键功能。通过实例解析,展示了numpy如何为深度学习和机器学习提供强大的数值计算支持,并进一步阐述了numpy与python的无缝集成,提升数据分析效率。

被折叠的 条评论
为什么被折叠?



