zjh12312311的博客

在下面的例子中，希望做到的是数组a,b中元素大于3的置为1，其余为0。应该先做置0操作。程序：import numpy as npa = [1,2,2,3,4,5]a = np.array(a)b = [1,2,2,3,4,5]b = np.array(b)# 错误的例子a[a>3] = 1a[a<=3] = 0print('a',a)b[b<=3] = 0b[b>3] = 1print('b',b)输出：a [0 0 0 0 0

numpy线性代数import numpy as np#构造矩阵mat = np.mat((np.arange(9)+1).reshape(3,3))print(mat)[[1 2 3] [4 5 6] [7 8 9]]1.求逆使用矩阵求逆，I使用线性代数, invprint(mat.I)[[ 3.15251974e+15 -6.30503948e+15 3.15251974e+15] [-6.30503948e+15 1.26100790e+16 -6.30503

numpy绘制方波方波函数∑k=1∞4×sin((2k−1)t)(2k−1)×π \sum_{k=1}^{\infty} \frac{4\times sin((2k-1)t)}{(2k-1) \times \pi}k=1∑∞​(2k−1)×π4×sin((2k−1)t)​import numpy as npimport matplotlib.pyplot as pltk = 4# 步长t = np.linspace(-np.pi, np.pi, 201)k = np.arange

一些统计学的计算np.cov协方差矩阵diagonal函数查看对角线上的元素trace函数计算矩阵的迹std()标注差ployfit函数可以用多项式去拟合一系列数据点polyval用于计算多项式值roots函数找出我们拟合的多项式函数什么时候到达0值polyder求导import numpy as npa = [1,3,5,2,7,8,10]l = np.arange(len(a))poly = np.polyfit(l, a, 3) # 3阶p

数组的修剪和压缩import numpy as npa = np.array([1,2,3,4,5,6])print(a)[1 2 3 4 5 6]clip方法返回一个修剪过的数组，也就是将所有比给定最大值还大的元素全部设为给定的最大值，而所有比给定最小值还小的元素全部设为给定的最小值。例如，设定范围1到2对0到4的整数数组进行修剪print(a.clip(2,5))[2 2 3 4 5 5]compress方法返回一个根据给定条件筛选后的数组print(a.comp

常用函数–读写文件import numpy as np# 创建一个单位矩阵a = np.eye(2)print(a)[[1. 0.] [0. 1.]]1.txt文件使用np.savetxt和loadtxtnp.savetxt('eye.txt',a)a = np.loadtxt('eye.txt')print(a)[[1. 0.] [0. 1.]]2.CSV文件逗号分隔值（Comma-Separated Values，CSV，有时也称为字符分隔值，因为分隔字符也可以不是

数组的属性import numpy as npa = np.arange(24).reshape(2,3,4)b = np.arange(24).reshape(3,8)print(a)print(b)[[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]][[ 0 1 2 3 4 5 6 7] [ 8 9 10 11 12 13

分割数组import numpy as npa = np.arange(24).reshape(2,3,4)b = np.arange(24).reshape(3,8)print(a)print(b)[[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]][[ 0 1 2 3 4 5 6 7] [ 8 9 10 11 12 13 1

数组的组合import numpy as npa = np.arange(6).reshape(2,3)b = a * 2print(a)print(b)[[0 1 2] [3 4 5]][[ 0 2 4] [ 6 8 10]]水平组合使用hstack, 注意传入的是（a,b）print(np.hstack((a,b)))[[ 0 1 2 0 2 4] [ 3 4 5 6 8 10]]使用concatenateprint(np.con

改变数组的维度import numpy as npa = np.arange(24).reshape(2,3,4)print(a)[[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]]ravel flatten函数完成展平的操作flatten函数会请求分配内存来保存结果，而ravel函数只是返回数组的一个视图（view）两种写法print(np

多维数组的切片和索引import numpy as npb = np.arange(24)print(b)[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]reshape函数切分的思想，先分两半，对应2，再在每个分3份对应3……a = b.reshape(2,3,4)print(a)[[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [

自定义数据类型import numpy as np# 创建数据类型t = np.dtype([('name', str, 40),('num', np.int32),('price', np.float32)])print(t)[('name', '<U40'), ('num', '<i4'), ('price', '<f4')]print(t['name'])<U40item = np.array(['zhang',2,10])print(item)[