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
- HTML5常见的面试题,基础知识点
HTML5常见的面试题 一.HTML 常 ...
- 06001_NoSQL概述
1.什么是NoSQL? NoSQL(NoSQL=Not Only SQL),意即“不仅仅是SQL”,是一项全新的数据库理念,泛指非关系型的数据库. 2.关于关系型数据库和nosql数据库 (1)关系型 ...
- Maven学习总结(25)——Eclipse Maven Update 时JDK版本变更问题
1.新建一个Maven项目JDK版本和系统版本不对应, 2.右键Maven项目->Maven->Update ProjectJDK版本改变了, 3.操作系统的JDK重装了新的版本,这是引起 ...
- 【万里征程——Windows App开发】控件大集合2
以下再来看看一些前面还没有讲过的控件,只是控件太多以至于无法所有列出来,大家仅仅好举一反三啦. Button 前面最经常使用的控件就是Button啦,Button另一个有意思的属性呢.当把鼠标指针放在 ...
- Javaee 应用分层架构
应用分层的优点:修改方便,仅修改有问题的那层以及其相邻几层即可,层数越多,其相应的资源分配也会更加平均 缺点:耗费时间,速度慢,调用占用大量堆栈. JAVAEE的分层: 4层分法:1.客户层:运行在客 ...
- Java知识点解析
JAVA 1:简述Java的基本历史 java起源于SUN公司的一个GREEN的项目,其原先目的是为家用消费电子产品 发送一个信息的分布式代码系统,通过发送信息控制电视机.冰箱等. 2:简单写出Jav ...
- silverlight wpf Command提交时输入验证
silverlight 或WPF在MVVM模式中使用INotifyDataErrorInfo接口对输入进行验证时 控件lostFocus时会触发验证,但在提交动作(例如button的Command)时 ...
- pyspark kafka createDirectStream和createStream 区别
from pyspark.streaming.kafka import KafkaUtils kafkaStream = KafkaUtils.createStream(streamingContex ...
- hdoj--3592--World Exhibition(差分约束)
World Exhibition Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others) ...
- 17.广度优先遍历bfs
#include <iostream> #include <boost/config.hpp> //图(矩阵实现) #include <boost/graph/adjac ...