代码

import numpy as np

A = np.arange(3,15)
print('-1-')
print(A)
print('-2-')
print(A[3]) A = np.arange(3,15).reshape((3,4))
print('-3-')
print(A[1]) print('-4-')
print(A[2][1]) # 第一行和第二行
print('-5-')
print(A[1:3]) print('-6-')
for row in A:
print (row) print('-7-')
for column in A.T:
print (column) print('-8-')
for item in A.flat:
print (item) # 迭代器
print('-9-')
print(A.flat) # 展成一行
print('-10-')
print(A.flatten()) A = np.array([1,1,1])
B = np.array([2,2,2]) # 上下合并
print('-11-')
print(np.vstack((A,B))) C = np.vstack((A,B))
print('-12-')
print(A.shape, C.shape) # 左右合并
D = np.hstack((A,B))
print('-13-')
print(D)
print('-14-')
print(A.shape, D.shape) #横向的数列转化到列,行向加维度
print('-15-')
print(A[np.newaxis,:]) #纵向的数列转化到行,纵向的添加维度
print('-16-')
print(A[:,np.newaxis]) A = np.array([1,1,1])[:,np.newaxis]
B = np.array([2,2,2])[:,np.newaxis] # 三个向量的横向合并
print('-17-')
print(np.hstack((A,A,B))) # 三个向量的竖向合并
C = np.concatenate((A,B,B,A))
print('-18-')
print(C) # 三个向量的竖向合并
C = np.concatenate((A,B,B,A), axis=0)
print('-19-')
print(C) # 三个向量的横向合并
C = np.concatenate((A,B,B,A), axis=1)
print('-20-')
print(C) A = np.arange(12).reshape((3,4))
print('-21-')
print(A) #分成两块,按列划分,只能进行相等的划分
print('-22-')
print(np.split(A,2,axis = 1)) print('-23-')
print(np.split(A,3,axis = 0)) #分成两块,按列划分,进行不相等的划分
print('-24-')
print(np.array_split(A,3,axis = 1)) # 垂直划分
print('-25-')
print(np.vsplit(A,3))
# 竖直划分
print('-26-')
print(np.hsplit(A,2)) a=np.arange(4)
b = a # 引用复制
c = a # abcd都是一样
d = a a[0] = 11 print('-27-')
print(b,c,d) # 都是11 d is a e = a.copy() # deep copy

  

输出

-1-
[ 3 4 5 6 7 8 9 10 11 12 13 14]
-2-
6
-3-
[ 7 8 9 10]
-4-
12
-5-
[[ 7 8 9 10]
[11 12 13 14]]
-6-
[3 4 5 6]
[ 7 8 9 10]
[11 12 13 14]
-7-
[ 3 7 11]
[ 4 8 12]
[ 5 9 13]
[ 6 10 14]
-8-
3
4
5
6
7
8
9
10
11
12
13
14
-9-
<numpy.flatiter object at 0x000002A6F47AB7B0>
-10-
[ 3 4 5 6 7 8 9 10 11 12 13 14]
-11-
[[1 1 1]
[2 2 2]]
-12-
(3,) (2, 3)
-13-
[1 1 1 2 2 2]
-14-
(3,) (6,)
-15-
[[1 1 1]]
-16-
[[1]
[1]
[1]]
-17-
[[1 1 2]
[1 1 2]
[1 1 2]]
-18-
[[1]
[1]
[1]
[2]
[2]
[2]
[2]
[2]
[2]
[1]
[1]
[1]]
-19-
[[1]
[1]
[1]
[2]
[2]
[2]
[2]
[2]
[2]
[1]
[1]
[1]]
-20-
[[1 2 2 1]
[1 2 2 1]
[1 2 2 1]]
-21-
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
-22-
[array([[0, 1],
[4, 5],
[8, 9]]), array([[ 2, 3],
[ 6, 7],
[10, 11]])]
-23-
[array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,
9, 10, 11]])]
-24-
[array([[0, 1],
[4, 5],
[8, 9]]), array([[ 2],
[ 6],
[10]]), array([[ 3],
[ 7],
[11]])]
-25-
[array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,
9, 10, 11]])]
-26-
[array([[0, 1],
[4, 5],
[8, 9]]), array([[ 2, 3],
[ 6, 7],
[10, 11]])]
-27-
[11 1 2 3] [11 1 2 3] [11 1 2 3]

  

12-numpy笔记-莫烦基本操作2的更多相关文章

  1. 16-numpy笔记-莫烦pandas-4

    代码 import pandas as pd import numpy as np dates = pd.date_range('20130101', periods=6) df=pd.DataFra ...

  2. 15-numpy笔记-莫烦pandas-3

    代码 import pandas as pd import numpy as np dates = pd.date_range('20130101', periods=6) df=pd.DataFra ...

  3. 14-numpy笔记-莫烦pandas-2

    代码 import pandas as pd import numpy as np dates = pd.date_range('20130101', periods=6) df=pd.DataFra ...

  4. 13-numpy笔记-莫烦pandas-1

    代码 import pandas as pd import numpy as np s = pd.Series([1,3,6,np.nan, 44,1]) print('-1-') print(s) ...

  5. 11-numpy笔记-莫烦基础操作1

    代码 import numpy as np array = np.array([[1,2,5],[3,4,6]]) print('-1-') print('数组维度', array.ndim) pri ...

  6. 18-numpy笔记-莫烦pandas-6-plot显示

    代码 import pandas as pd import numpy as np import matplotlib.pyplot as plt data = pd.Series(np.random ...

  7. 17-numpy笔记-莫烦pandas-5

    代码 import pandas as pd import numpy as np left=pd.DataFrame({'key':['K0','K1','K2','K3'], 'A':['A0', ...

  8. tensorflow学习笔记-bili莫烦

    bilibili莫烦tensorflow视频教程学习笔记 1.初次使用Tensorflow实现一元线性回归 # 屏蔽警告 import os os.environ[' import numpy as ...

  9. 莫烦大大TensorFlow学习笔记(9)----可视化

      一.Matplotlib[结果可视化] #import os #os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' import tensorflow as tf i ...

随机推荐

  1. 使用threaddump-analyzer 快速查看jvm thread 状态信息

    日常开发中,我们可以需要通过thread dump 查看线程信息,比如锁,spotify 团队提供了一个web 界面,很方便 以下是简单使用,同时添加了docker 支持 添加docker 支持 cl ...

  2. rss订阅

    其实,本质上和爬虫没区别,只不过这是人家主动给你数据,而且是编排好格式后的数据 按个人主页url更新内容 去重,按照redis去重的方式 按时间保存内容 mysql 保存为时间格式(可以根据时间比较大 ...

  3. split task

    和印度的team合作的时候,他们经常有些要求,然后我们这边有时候需要改代码来满足他们的需求. 最近一次,他们要求在我们的一个工具中为他们加入2个asp.net的注册命令,不知道什么原因,system ...

  4. Laravel5 --- QQ邮箱发送邮件

    1. 在此之前先确认QQ邮箱是否开启了POP3/SMTP服务,如果未开启则须开启 QQ邮箱->设置->账户->POP3/IMAP/SMTP/Exchange/CardDAV/CalD ...

  5. vue+Element 表格中的树形数据

    template部分   只在树形的结构中显示编辑与删除按钮 这里我只是简单的做了一个 v-if 判断在操作列中 ,判断是否存在级别这个字段 <div> <el-table :dat ...

  6. C#教程之C#属性(Attribute)用法实例解析

    引用:https://www.xin3721.com/ArticlecSharp/c11686.html 属性(Attribute)是C#程序设计中非常重要的一个技术,应用范围广泛,用法灵活多变.本文 ...

  7. linux系统中启动daytime服务

    环境:vmware下面的cetos6 1. 进入/etc/xinetd.d/目录下,查看是否存在daytime服务,若不存在,则须安装: 执行命令:yum install xinetd 该命令执行后会 ...

  8. Navicat Premium 12.0.22 安装与破解

    一.安装 Navicat Premium 12.0.22的下载链接:https://pan.baidu.com/s/1swRY_fwIZfufdxDZj3hDyw 密码:09k8 安装步骤就是一路向下 ...

  9. Nginx自建SSL证书部署HTTPS网站

    一.创建SSL相关证书 1.安装Nginx(这里为了测试使用yum安装,实际看具体情况) [root@localhost ~]# yum install nginx -y #默认yum安装已经支持SS ...

  10. 第五篇 openvslam建图与优化模块梳理

    建图模块 mapping_module在初始化系统的时候进行实例化,在构建实例的时候会实例化local_map_cleaner和local_bundle_adjuster.系统启动的时候会在另外一个线 ...