numpy

import numpy;

print '使用列表生成一维数组'
data = [1,2,3,4,5,6]
data2 = data + [7.0]
x = numpy.array(data)
y = numpy.array(data2)
print data #打印列表 [1, 2, 3, 4, 5, 6]
print x, y #打印数组 [1 2 3 4 5 6] [ 1.  2.  3.  4.  5.  6.  7.]
print x.dtype, y.dtype #打印数组元素的类型 int32 float64

print '使用列表生成多维数组'
data = [[1,2],[3,4],[5,6],[7,8]]
data2 = [[[1,2,3],[2,3,4]], [[1,4,3],[5,3,4]], [[5,2,3],[6,3,4]]]
x = numpy.array(data)
y = numpy.array(data2)
print x, y #打印数组 
print x.ndim, y.ndim #打印数组的总维度数,即从外到内方括号的层数 2 3
print x.shape, y.shape #打印数组各个维度的长度,即从最外层方括号往内层数每个维度的长度。shape是一个元组。当数组为二维矩阵时,shape分别表示行数和列数 (4L, 2L) (3L, 2L, 3L)

print '使用zero/ones/empty创建数组:根据shape来创建'
x = numpy.zeros(6) #创建一维长度为6的,元素都是0一维数组
print x
x = numpy.zeros((2,3)) #创建一维长度为2,二维长度为3的二维0数组
print x
x = numpy.ones((2,3)) #创建一维长度为2,二维长度为3的二维1数组
print x
x = numpy.empty((4,3)) #创建一维长度为4,二维长度为3,未初始化的二维数组
print x, x.shape, x.shape[0] #(4L, 3L) 4

print '使用arrange生成连续元素'
print numpy.arange(6) # 开区间 [0 1 2 3 4 5]
print numpy.arange(0,6,2)  # start,stop,step [0 2 4]

print '使用tile重复生成新数组'
data = [1,2]
x = numpy.array(data)
y = numpy.tile(data, (2, 3, 5))
print y, y.shape #注意y.shape和reps的关系 (2L, 3L, 10L)

需要查询某个方法,直接输入例如numpy.tile查找文档即可。

numpy.ndarray.shape

numpy.tile



内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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