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. Python 包:

    分享一波油藏描述方面的Python开源包 前一阵去捷克参加了数学地质年会(IAMG2018),听完汇报,发现在数学地质领域用python的越来越多了,他们的很多成果都是用python做出来的.不管喜不 ...

  2. VIJOS-P1234 口袋的天空

    洛谷 P1195 口袋的天空 https://www.luogu.org/problemnew/show/P1195 JDOJ 1374: VIJOS-P1234 口袋的天空 https://neoo ...

  3. Tableau 基础

    1.Tableau产品介绍 tableau desktop:桌面端分析工具,分个人版和专业版,可连接几乎所有数据源,速度快 tableau server:一款商业智能应用程序,用于发布和管理table ...

  4. 两个开源的 Spring Boot + Vue 前后端分离项目

    折腾了一周的域名备案昨天终于搞定了. 松哥第一时间想到赶紧把微人事和 V 部落部署上去,我知道很多小伙伴已经等不及了. 1. 也曾经上过线 其实这两个项目当时刚做好的时候,我就把它们部署到服务器上了, ...

  5. [LeetCode] 924. Minimize Malware Spread 最大程度上减少恶意软件的传播

    In a network of nodes, each node i is directly connected to another node j if and only if graph[i][j ...

  6. IOI 2013 袋熊(线段树+分块+决策单调性)

    题意 http://www.ioi2013.org/wp-content/uploads/tasks/day1/wombats/Wombats%20zh%20(CHN).pdf 思路 ​ 我们设矩形的 ...

  7. Android保存的文件显示到文件管理的最近文件和下载列表中

    发现Android开发每搞一个和系统扯上关系的功能都要磨死人,对新手真不友好.运气不好难以快速精准的找到有效的资料

  8. 分布式数据库缓存系统Apache Ignite

    Apache Ignite内存数据组织是高性能的.集成化的以及分布式的内存平台,他可以实时地在大数据集中执行事务和计算,和传统的基于磁盘或者闪存的技术相比,性能有数量级的提升. 将数据存储在缓存中能够 ...

  9. 2018-2019-2 20162329 《网络对抗技术》Exp9: Web安全基础

    目录 Exp9: Web安全基础 一.基础知识 1.SQL注入攻击 2.XSS跨站脚本攻击 3.CSRF跨站请求伪造 二.SQL注入 1. 命令注入 2. 数字注入 3. 日志欺骗 三.XSS攻击 1 ...

  10. 标签一致项(LC-KSVD)-全文解读

    Learning A Discriminative Dictionary for Sparse Coding via Label Consistent K-SVD 1,同步学习判决字典和线性分类器 2 ...