创建数组

  • numpy.array():括号内可以是列表、元祖、数组、生成器等
  • numpy.arange():类似range(),在给定间隔内返回均匀间隔的值
  • #numpy.linspace() 返回在间隔[开始,停止]上计算的num个均匀间隔的样本。
    # numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
    # start:起始值,stop:结束值
    # num:生成样本数,默认为50
    # endpoint:如果为真,则停止是最后一个样本。否则,不包括在内。默认值为True。
    # retstep:如果为真,返回(样本,步骤),其中步长是样本之间的间距 → 输出为一个包含2个元素的元祖,第一个元素为array,第二个为步长实际值

    numpy.linspace()

  • zeros()/zeros_like()/ones()/ones_like()
    
    # numpy.zeros(shape, dtype=float, order='C'):返回给定形状和类型的新数组,用零填充。
    # shape:数组纬度,二维以上需要用(),且输入参数为整数
    # dtype:数据类型,默认numpy.float64
    # order:是否在存储器中以C或Fortran连续(按行或列方式)存储多维数据。 # umpy.zeros_like返回具有与给定数组相同的形状和类型的零数组 # ones()/ones_like()和zeros()/zeros_like()一样,只是填充为1

    zeros()/zeros_like()/ones()/ones_like()

  • numpy.eye(n):创建一个n*n的单位矩阵,对角 线值为1,其余为0

通用函数

  • #.T方法:转置
    
    # numpy.reshape(a, newshape, order='C'):为数组提供新形状,而不更改其数据,所以元素数量需要一致
    
    #numpy.resize(a, new_shape):返回具有指定形状的新数组,如有必要可重复填充所需数量的元素。
    #.T/.reshape()/.resize()都是生成新的数组!!!

    数组形状:.T/.reshape()/.resize()

  • .astype():数组类型转换
  • numpy.hstack(tup):水平(按列顺序)堆叠数组
  • numpy.vstack(tup):垂直(按列顺序)堆叠数组  注:numpy.stack(arrays, axis=1/0)  axis=0 行  axis=1 列
  • numpy.hsplit(ary, indices_or_sections):将数组水平(逐列)拆分为多个子数组 → 按列拆分
  • numpy.vsplit(ary, indices_or_sections)::将数组垂直(行方向)拆分为多个子数组 → 按行拆
  • 切片(原理与基本PYTHON相同,增加了数组轴数的索引)
  • numpy.random.rand().reshape*1000   随机数的基本写法

储存读取

  • 存储数组数据 .npy文件 ---- numpy.save('路径', array)
  • 读取数组数据 .npy文件 ---- np.load('路径')
  • 存储文本文件 ---- numpy.savetxtfnameXfmt ='%。18e'delimiter =''newline ='n'header =''footer =''comments ='#'encoding = None 
  • fname : 文件名或文件句柄
    
    如果文件名结束.gz,文件将自动以压缩gzip格式保存。 loadtxt透明地理解gzip文件。
    
    X : 1D或2D array_like
    
    要保存到文本文件的数据。
    
    fmt : str或strs序列,可选
    
    单个格式(%10.5f),格式序列或多格式字符串,例如“迭代%d - %10.5f”,在这种情况下,将忽略分隔符。对于复杂的X,fmt的合法选项是:
    
        单个说明符,fmt ='%.4e',导致数字格式为'(%s +%sj)'%(fmt,fmt)
    一个完整的字符串,指定每个实部和虚部,例如 '%.4e%+.4ej%.4e%+.4ej%.4e%+.4ej'为3列
    一个说明符列表,每列一个 - 在这种情况下,实部和虚部必须有单独的说明符,例如['%.3e +%.3ej','(%.15e%+.15ej)'] 2列 分隔符 : str,可选 分隔列的字符串或字符。 换行符 : str,可选 字符串或字符分隔线。 1.5.0版中的新功能。 header : str,可选 将在文件开头写入的字符串。 1.7.0版中的新功能。 页脚 : str,可选 将写在文件末尾的字符串。 1.7.0版中的新功能。 评论 : str,可选 将附加到header和footer字符串的字符串,以将其标记为注释。默认值:'#',正如预期的那样 numpy.loadtxt。 1.7.0版中的新功能。 encoding : {None,str},可选 用于编码输出文件的编码。不适用于输出流。如果编码不是'bytes'或'latin1',您将无法在NumPy版本<1.14中加载该文件。默认为'latin1'。 版本1.14.0中的新功能。
    ————————————————
    版权声明:本文为CSDN博主「*MuYu*」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
    原文链接:https://blog.csdn.net/qq_36535820/article/details/99543188

    参数含义

  • 读取文本文件 ----numpy.loadtxt(路径+文件名')

Python基础-numpy的更多相关文章

  1. Python基础 — NumPy

    NumPy--简介  Numpy(Numerical Python的简称)是一个由多维数组对象和用于处理数组的例程集合组成的库.  Numpy内部解除了Python的PIL(全局解释器锁),运算效率极 ...

  2. python基础--numpy.random

    # *_*coding:utf-8 *_* # athor:auto import numpy.random #rand(d0, d1, ..., dn)n维随机值 data0 = numpy.ran ...

  3. python基础--numpy.dot

    # *_*coding:utf-8 *_* # athor:auto import numpy dot = numpy.dot([0.100, 0.200],2.) print(dot) #[ 0.2 ...

  4. Python基础——numpy库的使用

    1.numpy库简介:    NumPy提供了许多高级的数值编程工具,如:矩阵数据类型.矢量处理,以及精密的运算库.专为进行严格的数字处理而产生. 2.numpy库使用: 注:由于深度学习中存在大量的 ...

  5. python基础系列教程,数学基础系列教程,数据分析系列教程,神经网络系列教程,深度学习系列视频教程分享交流

    大家好,我是一个技术爱好者,目前对大数据人工智能很是痴迷,虽然学历只有高中,目前正在大踏步的向着人工智能狂奔,如果你也想学习,那就来吧 我的学习进度python基础(Numpy,pandas,matp ...

  6. [转]python与numpy基础

    来源于:https://github.com/HanXiaoyang/python-and-numpy-tutorial/blob/master/python-numpy-tutorial.ipynb ...

  7. Python数据分析基础——Numpy tutorial

    参考link  https://docs.scipy.org/doc/numpy-dev/user/quickstart.html 基础 Numpy主要用于处理多维数组,数组中元素通常是数字,索引值为 ...

  8. Python小白的发展之路之Python基础(一)

    Python基础部分1: 1.Python简介 2.Python 2 or 3,两者的主要区别 3.Python解释器 4.安装Python 5.第一个Python程序 Hello World 6.P ...

  9. Python之路3【第一篇】Python基础

    本节内容 Python简介 Python安装 第一个Python程序 编程语言的分类 Python简介 1.Python的由来 python的创始人为吉多·范罗苏姆(Guido van Rossum) ...

随机推荐

  1. nginx开启网站目录浏览功能

    一.开启全站目录浏览功能 编辑nginx.conf, 在http下面添加以下内容: autoindex on; # 开启目录文件列表 autoindex_exact_size on; # 显示出文件的 ...

  2. python预科前三天:计算器知识、Python下载和安装、Pycharm下载安装激活设置、解释型和编译型、git、思维导图、显示隐藏文件、隐藏已知文件扩展名、创建组织、创建项目、提交作业、排BUG技巧

    1.计算机组成结构:CPU.硬盘.内存.输入输出设备.主板.电源. 2.硬件之间的协作关系:是CPU运算完后给操作系统.专业术语叫指令. 3.键盘输入a之后发生的事情:键盘-CPU-操作系统-显卡-显 ...

  3. 学习:逆向PUSH越界/INT 68/反调试导致的程序

    自己根据shark恒老师的分析,总结一下: 一般反调试自动关闭程序利用的函数有: 1.CreateToolhelp32Snapshot 2.FindWindow 3.ExitProcess 4.Pos ...

  4. 洛谷 P1156 垃圾陷阱 题解

    题目传送门 dp+排序+01背包 就完事了??? 貌似就是这样的 代码: //dp 排序 01背包 #include<iostream> #include<cstdio> #i ...

  5. Linux性能优化实战学习笔记:第四十六讲

    一.上节回顾 不知不觉,我们已经学完了整个专栏的四大基础模块,即 CPU.内存.文件系统和磁盘 I/O.以及网络的性能分析和优化.相信你已经掌握了这些基础模块的基本分析.定位思路,并熟悉了相关的优化方 ...

  6. [LeetCode] 207. Course Schedule 课程清单

    There are a total of n courses you have to take, labeled from 0 to n-1. Some courses may have prereq ...

  7. OsharpNS轻量级.net core快速开发框架简明入门教程-多上下文配置(多个数据库的使用)

    OsharpNS轻量级.net core快速开发框架简明入门教程 教程目录 从零开始启动Osharp 1.1. 使用OsharpNS项目模板创建项目 1.2. 配置数据库连接串并启动项目 1.3. O ...

  8. CAP带你轻松玩转ASP.NETCore消息队列

    CAP是什么? CAP是由我们园子里的杨晓东大神开发出来的一套分布式事务的决绝方案,是.Net Core Community中的第一个千星项目(目前已经1656 Start),具有轻量级.易使用.高性 ...

  9. 【07月16日】A股滚动市净率PB历史新低排名

    2010年01月01日 到 2019年07月16日 之间,滚动市净率历史新低排名. 上市三年以上的公司,2019年07月16日市净率在30以下的公司. 来源:A股滚动市净率(PB)历史新低排名. 1 ...

  10. addpath(),genpath()

    clear all:clear clc: addpath(): 打开不在同一目录下的文件 addpath('sparse-coding');%sparse-coding,SIFT均表示路径,此目录下的 ...