实例介绍
【实例简介】numpy库的基础应用.doc
NumPy(Numerical Python)是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix)),支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库今天我们探讨一下numpy库的基础应用,以后我们还会谈论他的进阶操作。
【实例截图】
【核心代码】
import numpy as np
a1 = np.array([1,2,3,4,5,6,7,8,9])#运用python列表类型创建数组
a2 = np.array((1,2,3,4,5,6,7,8,9))#运用python元组类型创建数组
a3 = np.arange(10)
a4 = np.linspace(0,2*np.pi,5)
print(a1)
#一维数组
import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9])#创建一个一维数组
print(a[6])#输出第一行第七列
#二维数组
b = np.array([[1,2,3,4,5,6,7,8,9],[1,4,7,8,5,2,9,6,3]])#创建一个二维数组
print(b[1,6])#输出第二行第七列
9
print(b[0,1:6])#输出b数组的第一行的2~6列---->注意不到序列6
print(b[0:,5])#输出数组的第六列
[6 2]
[1 2 3 4 5 6 7 8 9]
print(a2)
[1 2 3 4 5 6 7 8 9]
print(a3)
[0 1 2 3 4 5 6 7 8 9]
print(a4)
[0. 1.57079633 3.14159265 4.71238898 6.28318531]
import numpy as np
b = np.array([[1,2,3,4,5,6,7,8,9],[1,4,7,8,5,2,9,6,3]])#创建一个二维数组
print(type(b))#输出b的类型
<class 'numpy.ndarray'>
print(b.dtype)#对象的元素类型
int32
print(b.size)#输出对象元素的个数
18
print(b.shape)#输出矩阵的行数和列数
(2,9)#二行九列
print(b.itemsize)#输出每个项占用的字节数------>32/8
4
print(b.ndim)#输出数组的维度
2
print(a.nbytes)#输出所有数据消耗的字节数
a = np.array([[1,2,3,4,5],[7,4,1,8,5],[9,6,3,0,1]])
b = np.arange(15).reshape(3,5)
print(b)
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]
print(a b)#求和,必须保证行数和列数相等。。。下同
[[ 1 3 5 7 9]
[12 10 8 16 14]
[19 17 15 13 15]]
print(a*b)
[[ 0 2 6 12 20]
[35 24 7 64 45]
[90 66 36 0 14]]
print(a-b)
[[ 1 1 1 1 1]
[ 2 -2 -6 0 -4]
[ -1 -5 -9 -13 -13]]
#除法类似
print(a<b)
[[False False False False False]
[False True True False True]
[ True True True True True]]
print(a>b)
[[ True True True True True]
[ True False False False False]
[False False False False False]]
a = np.arange(10).reshape(2,5)
n =np.where(a>3)
print(n)
(array([0, 1, 1, 1, 1, 1], dtype=int64), array([4, 0, 1, 2, 3, 4], dtype=int64))#输出为符合元素的序列
a = np.zeros((2,2))#创建一个2行2列的全零矩阵
print(a)
[[0. 0.]
[0. 0.]]
b = np.full((3,3),6)#创建一个三行三列的全6矩阵
print(b)
[[6 6 6]
[6 6 6]
[6 6 6]]
c = np.ones((4,4))#创建一个四行四列的全1矩阵
print(c)
[[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]]
d = np.eye(5)#创建一个五行五列的单位矩阵
print(d)
[[1. 0. 0. 0. 0.]
[0. 1. 0. 0. 0.]
[0. 0. 1. 0. 0.]
[0. 0. 0. 1. 0.]
[0. 0. 0. 0. 1.]]
a = np.array([[1,2,3,4,5,6],[4,5,6,7,8,9]])
b = np.array([6,2,3])
c = np.ones_like(a)
print(c)
[[1 1 1 1 1 1]
[1 1 1 1 1 1]]
小贴士
感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论