Numpy1
来源:互联网 发布:平板软件市场 编辑:程序博客网 时间:2024/06/03 11:12
本文内容学习自:https://morvanzhou.github.io/tutorials/data-manipulation/np-pd/2-2-np-array/
用 arange
创建连续数组:
a = np.arange(10,20,2) # 10-19 的数据,2步长"""array([10, 12, 14, 16, 18])"""使用
reshape
改变数据的形状:a = np.arange(12).reshape((3,4)) # 3行4列,0到11"""array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]])"""用
linspace
创建线段型数据:a = np.linspace(1,10,20) # 开始端1,结束端10,且分割成20个数据,生成线段"""array([ 1. , 1.47368421, 1.94736842, 2.42105263, 2.89473684, 3.36842105, 3.84210526, 4.31578947, 4.78947368, 5.26315789, 5.73684211, 6.21052632, 6.68421053, 7.15789474, 7.63157895, 8.10526316, 8.57894737, 9.05263158, 9.52631579, 10. ])"""创建全零数组
a = np.zeros((3,4)) # 数据全为0,3行4列"""array([[ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.]])"""
a=np.array([[1,1],[0,1]])b=np.arange(4).reshape((2,2))print(a)# array([[1, 1],# [0, 1]])print(b)# array([[0, 1],# [2, 3]])
c_dot = np.dot(a,b)# array([[2, 4],# [2, 3]])
import numpy as npa=np.random.random((2,4))print(a)# array([[ 0.94692159, 0.20821798, 0.35339414, 0.2805278 ],# [ 0.04836775, 0.04023552, 0.44091941, 0.21665268]])如果你需要对行或者列进行查找运算,就需要在上述代码中为 axis 进行赋值。 当axis的值为0的时候,将会以列作为查找单元, 当axis的值为1的时候,将会以行作为查找单元。
print("a =",a)# a = [[ 0.23651224 0.41900661 0.84869417 0.46456022]# [ 0.60771087 0.9043845 0.36603285 0.55746074]]print("sum =",np.sum(a,axis=1))# sum = [ 1.96877324 2.43558896]print("min =",np.min(a,axis=0))# min = [ 0.23651224 0.41900661 0.36603285 0.46456022]print("max =",np.max(a,axis=1))# max = [ 0.84869417 0.9043845 ]
其中的
argmin()
和 argmax()
两个函数分别对应着求矩阵中最小元素和最大元素的索引。相应的,在矩阵的12个元素中,最小值即2,对应索引0,最大值为13,对应索引为11。import numpy as npA = np.arange(2,14).reshape((3,4)) # array([[ 2, 3, 4, 5]# [ 6, 7, 8, 9]# [10,11,12,13]]) print(np.argmin(A)) # 0print(np.argmax(A)) # 11
import numpy as npA = np.arange(14,2, -1).reshape((3,4)) # array([[14, 13, 12, 11],# [10, 9, 8, 7],# [ 6, 5, 4, 3]])print(np.sort(A)) # array([[11,12,13,14]# [ 7, 8, 9,10]# [ 3, 4, 5, 6]])
矩阵的转置有两种表示方法:
print(np.transpose(A)) print(A.T)# array([[14,10, 6]# [13, 9, 5]# [12, 8, 4]# [11, 7, 3]])# array([[14,10, 6]# [13, 9, 5]# [12, 8, 4]# [11, 7, 3]])
clip(Array,Array_min,Array_max)
,顾名思义,Array
指的是将要被执行用的矩阵,而后面的最小值最大值则用于让函数判断矩阵中元素是否有比最小值小的或者比最大值大的元素,并将这些指定的元素转换为最小值或者最大值。print(A)# array([[14,13,12,11]# [10, 9, 8, 7]# [ 6, 5, 4, 3]])print(np.clip(A,5,9)) # array([[ 9, 9, 9, 9]# [ 9, 9, 8, 7]# [ 6, 5, 5, 5]])
阅读全文
0 0
- Numpy1
- OpenCV3.1+numpy1.10.4+ubuntu14.04 x86_64:
- Win8-32bit配置Python2.7.12 和 OpenCV3.1.0(使用Numpy1.11.2)
- Linux之chattr(+i)
- LINUX定时清理文件定时任务
- MongDB创建索引
- 推荐书籍--留点时间回到精神的家园
- 598. Range Addition II (Easy)
- Numpy1
- 1. Two Sum
- 几种int类型的范围
- redis 集群常用命令及说明
- php将结果集匹配成索引数组、关联数组、对象的区别&&location对象
- springboot《1》——quickstart
- 利用marked.js写个简单Markdown编辑器(1)
- ASP.NET Core MVC 和 Visual Studio入门(三) 添加视图
- Matlab随笔之插值与拟合(上)