一样,咱的计算机还是得先拥有Python,并且安装了Numpy库。有疑问的话可以看这里呦~~~~

下面开讲:

  NumPy的主要对象是齐次多维数组。它是一个元素表(通常是数字),并且都是相同类型,由正整数的元组索引。

  其他暂且略过,咱主要说一些可以听懂的并且有实际效用的。

  首先,我们得创建有一个ndarry对象,简单地介绍其中三种方法吧:

      • a=np.array([1,2,3])

         

      • data=[[1,2,3],[4,5,6]]
        a=np.array(data)

      • a=np.arange(15).reshape(3,5)

         

在这里我们就用第三个作为例子接着往下讲哈(我就不用再创建了哈哈)

  ndarray对象的重要的属性如下:

    • ndarray.ndim:

      输出ndarray的维度(轴数,也有人叫它等级,在Python世界中,维度的数量被称为等级),这里的轴也叫坐标轴。

      

        这两种写法都是可以的,亲试如图,下面的其他函数也是一样的。

      例如,array([1,2,1])是一个等级为1的数组,因为它具有一个坐标轴,该轴的长度为3。

      在上面的示例中,该数组的排名为2(它是2维的)。第一维(轴)的长度为3,第二维的长度为5。

    • ndarray.shape:

      输出数组的尺寸,即(n,m)。

      

    • ndarray.size:

      数组元素的总数,即 n * m。

      

    • ndarray.dtype:

      数组中元素的数据类型,可进行转换。(这个一般默认float64 和 int32,你们可以自己多试试)

      

    • ndarray.itemsize:

      数组中每个元素的字节大小。(例子中则为 int 32/8 = 4,相当于ndarray.dtype.itemsize

      

    • ndarray.data:

      该缓冲区包含数组的实际元素。(这个我们一般不用,我们都是用索引的QAQ)

      

  还有好多,我就不一一截图了,懒。。。。。。

  • np.zeros(10)    #长度为10的0数组
  • np.zeros((3,6))    #创建3行6列的0数组(注意有两个括号)
  • np.ones(5)
  • np.ones((3,4))
  • np.arange(10)
  • np.eye(3)    # 3*3单位矩阵
  • np.identity(3)    # 3*3单位矩阵
  • np.zeros_like(a)    #创建与a相同行、列的全0矩阵
  • np.ones_like(a)    #创建与a相同行、列的全1矩阵

索引和切片类

  • a1=a[0:1]    ##这个切片的大有学问了,写的话大概得另起一篇了,有空再说
  • a[0:1]=1    ##a变化后,a1的值也随之变化
  • a1[0:1]=2    #a1变化后,a的值也随之变化
  • a1=a[0:1].copy()    #完全拷贝,值变化不影响a (和上面对比一下你就清楚了)

计算类

  • a*a    #每个元素平方(这个强!!!挺好用的。)
  • a*5    #每个元素乘以5
  • a.mean()    #数据均值
  • a.sum()    #数组和
  • a.sum(axis=0)    #按列求和
  • a.sum(axis=1)    #按行求和
  • a.sort()    #对a进行排序(这个也是好东西啊~~~)
  • a.sort(1)    #0按行排序,1按列排序
  • np.sort(a,0)    #a按行排序(本身不发生变化!!!!!!)
  • x.dot(y)    ##矩阵x与y相乘
  • np.in1d(a,[2,3,6])    #value中的每一个值是否在[2,3,6]中(如果是,该值返回true,否则返回false.)
  • np.in1d([2,3,6],a)
  • np.in1d(x,y)
  • np.intersect1d(x,y)    #返回x和y中的交集,并返回有序结构
  • np.union1d(x,y)    #计算x,y的并集,并返回有序结构
  • np.setdiff1d(x,y)    #集合的差,即在x中且不在y中
  • samples=np.random.normal(size=(4,4))    #产生4维正态分布矩阵
  • from numpy.linalg import *    #计算与矩阵相关,行列式,矩阵的逆等
  • np.linalg.det(samples)    #矩阵行列式
  • np.linalg.inv(samples)    #矩阵求逆
  • np.diag(samples)    #返回矩阵对角线元素
  • np.linalg.eig(samples)    #返回矩阵特征值和特征向量
  • import timeit    #导入计算时间的模块
  • np.save('some_a',a)    #保存文件
  • np.load("some_a.py")    #读取磁盘保存数据
  • a=np.loadtxt("code_public.txt",delimiter=',')    #读取文本数据
  • arr=np.loadtxt("d:\code\arr.txt",delimiter=',')    #读取d盘数据

行吧,时间也差不多了,我都写累了,相信你也看累了吧,是时候去 stzb 看看先。

Numpy库(个人学习笔记)的更多相关文章

  1. numpy库的学习笔记

    一.ndarray 1.numpy 库处理的最基础数据类型是由同种元素构成的多维数组(ndarray),简称“数组”. 2.ndarray是一个多维数组的对象,ndarray数组一般要求所有元素类型相 ...

  2. Numpy库的学习(三)

    今天我们继续学习一下Numpy库的学习 废话不多说 ,开始讲 比如我们现在想创建一个0-14这样一个15位的数组 可以直接写,但是很麻烦,Numpy中就给我们了一个方便创建的方法 numpy中有一个a ...

  3. [Python ]小波变化库——Pywalvets 学习笔记

    [Python ]小波变化库——Pywalvets 学习笔记 2017年03月20日 14:04:35 SNII_629 阅读数:24776 标签: python库pywavelets小波变换 更多 ...

  4. Numpy库的学习(五)

    今天继续学习一下Numpy库,废话不多说,整起走 先说下Numpy中,经常会犯错的地方,就是数据的复制 这个问题不仅仅是在numpy中有,其他地方也同样会出现 import numpy as np a ...

  5. Numpy库的学习(四)

    我们今天继续学习一下Numpy库 接着前面几次讲的,Numpy中还有一些标准运算 a = np.arange(3) print(a) print(np.exp(a)) print(np.sqrt(a) ...

  6. Numpy库的学习(二)

    今天来继续学习一下Numpy库的使用 接着昨天的内容继续 在Numpy中,我们如果想要进行一个判断使用“==” 我们来看下面的代码 vector = np.array([5,10,15,20,25]) ...

  7. Numpy库的学习(一)

    今天来学习一下Python库中,支持高级大量的维度数组与矩阵运算的神奇的Numpy库 Numpy同时也对数组运算提供大量的数学函数,对于大量计算运行效率极好 是大量机器学习框架的基础库 废话不多说,直 ...

  8. 科学计算和可视化(numpy及matplotlib学习笔记)

    网上学习资料:https://2d.hep.com.cn/1865445/9 numpy库内容: 函数 描述 np.array([x,y,z],dtype=int) 从Python列表和元组创造数组 ...

  9. Numpy 和 Matplotlib库的学习笔记

    Numpy介绍 一个用python实现的科学计算,包括:1.一个强大的N维数组对象Array:2.比较成熟的(广播)函数库:3.用于整合C/C++和Fortran代码的工具包:4.实用的线性代数.傅里 ...

  10. 《C标准库》学习笔记整理

    简介 <C标准库>书中对 C 标准库中的 15 个头文件的内容进行了详细的介绍,包括各头文件设计的背景知识.头文件中的内容.头文件中定义的函数和变量的使用.实现.测试等. 我学习此书的目的 ...

随机推荐

  1. 54.1 怎样才算学会django? 知道这28个知识点才算会django2

    学到什么程度才算会django了?这篇文章帮你梳理一下 关于django2的28个不可不知的知识点总结: 1.cookie操作: -客户端本地存储的键值对 2.session操作: -服务器端可以保存 ...

  2. uva10976

    数学题. 1. 因为 1/k = 1/x +1/y 所以 1/k > 1/y 那么 y > k 2 . 因为 x >= y 所以 1/k - 1/y <= 1/y 那么 y & ...

  3. (转载)windows下mysql忘记密码

    Mysql版本:5.1 1. 首先检查mysql服务是否启动,若已启动则先将其停止服务,可在开始菜单的运行,使用命令: net stop mysql 打开第一个cmd窗口,切换到mysql的bin目录 ...

  4. URL末尾处的斜杠“/”

    在输入网址的时候,比如输入"http://www.xxx.com/",此URL中末尾的斜杠是至关重要的.因为在这种情况下,浏览器能安全的添加斜杠.而像"http://ww ...

  5. jenkins+ant+jmeter自动化环境搭建(一)

                        写在最前面: jmeter:测试接口的工具,支持java语言: ant:Apache Ant是一个Java库和命令行工具,其任务是将构建文件中描述的进程作为相互 ...

  6. 【java学习笔记】序列化、反序列化

    序列化 是将对象的完整信息保存起来的过程(持久化).    序列化流:ObjectOutputStream 反序列化 是将对象进行还原的过程(反持久化).               反序列化流:Ob ...

  7. python函数式编程之迭代器

    什么是迭代器 顾名思义,就是更新换代的意思 python中的迭代器就是根据上一个结果生成下一个结果,一直循环往复不断重复的过程 迭代器有两个特点: 1.不断重复同一个过程 2.根据上一个结果生成下一个 ...

  8. Jenkins构建Android项目持续集成之findbugs的使用

    Findbugs简介 关于findbugs的介绍,可以自行百度下,这里贴下百度百科的介绍.findbugs是一个静态分析工具,它检查类或者 JAR 文件,将字节码与一组缺陷模式进行对比以发现可能的问题 ...

  9. Java使用foreach遍历集合元素

    Java使用foreach遍历集合元素 1.实例源码 /** * @Title:ForEach.java * @Package:com.you.model * @Description:使用forea ...

  10. Failed while installing Dynamic Web Module 3.0

    1.错误描述 2.错误原因 Java Web项目不满足Web Module 3.0,需要降低Web Module版本 3.解决办法 (1)降低Web Module版本为2.5 (2)修改jdk版本,升 ...