数学之路-python计算实战(6)-numpy-ndarray
>>>> mya=np.zeros(shape=(2,2))
>>>> mya
array([[ 0., 0.],
[ 0., 0.]])
>>>> mya=np.empty(shape=(2,2))
>>>> mya
array([[ 0., 0.],
[ 0., 0.]])、
创建数组元素为float的数组。
>>>>mya=np.array([1,2,3,4,5,6],dtype=float)
>>>> mya
array([ 1., 2., 3., 4., 5., 6.])
>>>>
通过copy參数复制数据。
>>>> myz
array([[1, 2, 3],
[4, 5, 6]])
>>>>mya=np.array(myz,copy=False)
>>>> mya
array([[1, 2, 3],
[4, 5, 6]])
>>>> myz[0,1]=111
>>>> myz
array([[ 1, 111, 3],
[ 4, 5, 6]])
>>>> mya
array([[ 1, 111, 3],
[ 4, 5, 6]])
本博客全部内容是原创,假设转载请注明来源
http://blog.csdn.net/myhaspl/
>>>> myz
array([[ 1, 111, 3],
[ 4, 5, 6]])
>>>> myz[1,1]=2
>>>> myz
array([[ 1, 111, 3],
[ 4, 2, 6]])
>>>> mya
array([[ 1, 111, 3],
[ 4, 5, 6]])
>>>>myb=np.array([[11,22],[33,44]],dtype=[('a','<i4'),('b','<i4')])
>>>> myb
array([[(11, 0), (22, 0)],
[(33, 0), (44, 0)]],
dtype=[('a', '<i4'), ('b', '<i4')])
>>>>myb=np.array([[(11,22),(33,44)],[(1,2),(3,4)]],dtype=[('a','<f4'),('b','<i4')])
>>>> myb
array([[(11.0, 22), (33.0, 44)],
[(1.0, 2), (3.0, 4)]],
dtype=[('a', '<f4'), ('b', '<i4')])
>>>> myb['b']
array([[22, 44],
[ 2, 4]])
>>>> myb['a']
array([[ 11., 33.],
[ 1., 3.]], dtype=float32)
>>>>
生成矩阵
>>>> np.array(np.mat('1 2; 34'), subok=True)
matrix([[1, 2],
[3, 4]])
数学之路-python计算实战(6)-numpy-ndarray的更多相关文章
- 数学之路-python计算实战(5)-初识numpy以及pypy下执行numpy
N .有用的线性代数.傅里叶变换和随机数生成函数.numpy和稀疏矩阵运算包scipy配合使用更加方便.NumPy(Numeric Python)提供了很多高级的数值编程工具,如:矩阵数据类型.矢量处 ...
- 数学之路-python计算实战(17)-机器视觉-滤波去噪(中值滤波)
Blurs an image using the median filter. C++: void medianBlur(InputArray src, OutputArray dst, int ks ...
- 数学之路-python计算实战(20)-机器视觉-拉普拉斯算子卷积滤波
拉普拉斯算子进行二维卷积计算,线性锐化滤波 # -*- coding: utf-8 -*- #线性锐化滤波-拉普拉斯算子进行二维卷积计算 #code:myhaspl@myhaspl.com impor ...
- 数学之路-python计算实战(15)-机器视觉-滤波去噪(归一化块滤波)
# -*- coding: utf-8 -*- #code:myhaspl@myhaspl.com #归一化块滤波 import cv2 import numpy as np fn="tes ...
- 数学之路-python计算实战(14)-机器视觉-图像增强(直方图均衡化)
我们来看一个灰度图像,让表示灰度出现的次数,这样图像中灰度为 的像素的出现概率是 是图像中全部的灰度数, 是图像中全部的像素数, 实际上是图像的直方图,归一化到 . 把 作为相应于 的累计概率 ...
- 数学之路-python计算实战(19)-机器视觉-卷积滤波
filter2D Convolves an image with the kernel. C++: void filter2D(InputArray src, OutputArray dst, int ...
- 数学之路-python计算实战(21)-机器视觉-拉普拉斯线性滤波
拉普拉斯线性滤波,.边缘检測 . When ksize == 1 , the Laplacian is computed by filtering the image with the follow ...
- 数学之路-python计算实战(16)-机器视觉-滤波去噪(邻域平均法滤波)
# -*- coding: utf-8 -*- #code:myhaspl@myhaspl.com #邻域平均法滤波,半径为2 import cv2 import numpy as np fn=&qu ...
- 数学之路-python计算实战(2)-初遇pypy
PyPy是Python开发人员为了更好的Hack Python创建的项目.此外,PyPy比CPython是更加灵活,易于使用和试验,以制定详细的功能在不同情况的实现方法,能够非常easy实施. 该项目 ...
- 数学之路-python计算实战(9)-机器视觉-图像插值仿射
插值 Python: cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) → dst interpolation – interpol ...
随机推荐
- 【 【henuacm2016级暑期训练】动态规划专题 G】 Palindrome pairs
[链接] 我是链接,点我呀:) [题意] 在这里输入题意 [题解] 先用枚举回文串中点的方法. 得到这个字符串中出现的所有的回文. 得到他们的左端点以及右端点. 整理成一个pair<int,in ...
- 【codeforces 734F】Anton and School
[题目链接]:http://codeforces.com/problemset/problem/734/F [题意] 给你两个数组b和c; 然后让你找出一个非负数组a满足题中所给关系; [题解] 有个 ...
- Jquery_Validate 表单校验的使用
一.效果图: 二.JqueryValidate的好处 在做注册.或者类似以上的表单提交的时候,大家是不是都很烦那种,把数据拿到后台去判断, 可能经过了正则表达式之类的复杂判断,然后发现数据错误.接着通 ...
- Windows里正确安装Zookeeper以服务运行
不多说,直接上干货! 为什么要在Win下来安装Zookeeper呢? 其实玩过大数据的人很清楚,在Linux下我更不说了.在win下,如Disconf .Dubbo等应用. 所以,它的应用是非常广的. ...
- C#-委托 lambda 匿名方法 匿名类型
1.lambda 匿名方法 匿名类型 delegate void d1(); d1 d = delegate(){Console.WriteLine("this is a test" ...
- Scrapy研究探索(六)——自己主动爬取网页之II(CrawlSpider)
原创,转载注明:http://blog.csdn.net/u012150179/article/details/34913315 一.目的. 在教程(二)(http://blog.csdn.net/u ...
- [IOS]mac远程window全屏显示
在mac自带着一个远程window的软件.这让我们远程起来很方便. 其步骤和window远程也很相似. 输入ip地址: 输入username以及password: 然后点击确定就可以. 只是.这时就出 ...
- 软工视频总结Part Three
软件需求分析 任务 解决目标系统"做什么"问题 深入描写叙述软件的功能和性能 确定软件涉及到的约束和软件接口 定义软件的其它有效需求 特点 一致性.完整性.限时性.有效性.可验证性 ...
- 夜· 启程
有写博客的念头,还是在去年的时候. 那天早上我非常兴奋,也非常忐忑.由于我立即要去JD面试.JD大家都知道的,对我这样的没见过世面的人来说.这就是个高高在上殿堂. 结果我的满腔热血.被一张面试题卷给浇 ...
- Android 输入管理服务-输入事件向详细应用的分发
输入管理服务接收到输入事件,对输入事件进行处理之后会把输入事件分发到详细的应用中(如WMS.壁纸服务等)去处理的,这里涉及到了JNI从C++层向JAVA层的调用. 详细流程例如以下图所看到的: