numpy矩阵的基础操作2
来源:互联网 发布:大数据与软件工程 编辑:程序博客网 时间:2024/05/29 04:09
import numpy as npa = np.arange(15) #生成0到15的数组print (a)b= a.reshape(3,5) #生成3行5列的矩阵print (b)
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14][[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14]]
b.ndim #维度
2
b.size #多少个元素
15
b.dtype.name #矩阵元素的数据类型
'int32'
np.zeros((3,4)) #创造一个全0的3行4列的数组
array([[ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.]])
np.ones((3,4),dtype=np.float) #可以指定数据类型为浮点型
array([[ 1., 1., 1., 1.], [ 1., 1., 1., 1.], [ 1., 1., 1., 1.]])
np.arange(5,30,5) #从5到30,梯度为5
array([ 5, 10, 15, 20, 25])
np.random.random((3,4))#调用random模块的random方法,创造一个0到1之间的随机数组,3行4列
array([[ 0.99838298, 0.11686997, 0.74930132, 0.79005631], [ 0.11098183, 0.58471538, 0.81482369, 0.83168859], [ 0.27700496, 0.97946057, 0.40178386, 0.4373374 ]])
from numpy import pi #引入3.1415926a = np.linspace(0,2*pi,5)#从0到2*pi之间取5个值print (a)
[ 0. 1.57079633 3.14159265 4.71238898 6.28318531]
np.sin(a)
array([ 0.00000000e+00, 1.00000000e+00, 1.22464680e-16, -1.00000000e+00, -2.44929360e-16])
a = np.array([10,10,10,10])b = np.arange(4)print (a)print (b)print (a-b)print (a**2) #每一个元素求指数print (a*b) #数据的对应位置的相乘
[10 10 10 10][0 1 2 3][10 9 8 7][100 100 100 100][ 0 10 20 30]
a = np.array([[1,2],[3,4]])b = np.array([[1,2],[3,4]])print (a.dot(b)) #矩阵的相乘print (np.dot(a,b))
[[ 7 10] [15 22]][[ 7 10] [15 22]]
0 0
- numpy矩阵的基础操作2
- numpy矩阵的基础操作
- numpy矩阵的基础操作3
- numpy矩阵基础操作4
- numpy的基本操作(矩阵、文件)
- python的Numpy之矩阵操作
- python之numpy对矩阵的操作
- python基础练习(三)—— numpy的矩阵基本操作
- python numpy 矩阵操作
- numpy基本矩阵操作
- numpy - 矩阵基本操作
- numpy基本矩阵操作
- numpy matrix矩阵操作
- numpy矩阵基本操作总结
- numpy线性代数基础 - Python和MATLAB矩阵处理的不同
- numpy基础操作
- numpy基础操作
- [笔记]NumPy基础操作
- Django-表单字段
- 我的软件工程课目标-------物品管理系统
- B1002
- C语言编程规范(华为软件精英挑战赛)
- 几个高效的字符串匹配算法
- numpy矩阵的基础操作2
- 151. Reverse Words in a String
- [网易云课堂]Linux内核分析(三)—— 跟踪分析Linux内核的启动过程
- 从USB驱动器运行Windows 10
- 网络层
- hud 1030 Delta-wave(数论)
- ananconda 安装 opencv3
- 网络电视精灵
- C++ delete错误