-
- 🛒3.1.1 加法
-
🧣3.1.2 减法
-
🧤3.1.3 乘法
-
🧥3.1.4 除法
-
🧥3.2 数组与数组的计算
-
- 💎3.2.1 广播原则
-
⚽3.2.2 加法
-
🏀3.2.2 减法
-
🏅3.2.2 乘法
-
💉3.2.2 除法
-
⚒结语
🐚作者简介: 苏凉(在python路上)
🐳博客主页: 苏凉.py的博客
👑名言警句: 海阔凭鱼跃,天高任鸟飞。
📰要是觉得博主文章写的不错的话,还望大家三连支持一下呀!!!
👉关注✨点赞👍收藏📂
=======================================================================
numpy通常可以和matplotlib一起使用。两者相结合可以更有效的帮助我们进行数据的分析。
接下来我们一起进入python的科学计算基础库numpy的学习吧。
前期回顾:matplotlib绘制数据可视化图形
=================================================================================
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,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。
NumPy 是一个运行速度非常快的数学库,主要用于数组计算,包含:
1.一个强大的N维数组对象 ndarray
2.广播功能函数
3.整合 C/C++/Fortran 代码的工具
4.线性代数、傅里叶变换、随机数生成等功能
NumPy 通常与 SciPy(Scientific Python)Matplotlib(绘图库)一起使用, 这种组合广泛用于替代MatLab,是一个强大的科学计算环境,有助于我们通过 Python 学习数据科学或者机器学习。
pip install numpy -i https://www.pypi.douban.com/simple
import numpy as np
=====================================================================================
注:Python 没有内置对数组的支持,但可以使用 Python 列表代替。
使用array的三种方法创建数组,返回的数组类名为numpy.ndarray类
a = np.array([5,6,7,8,9])
b = np.array(range(5,10))
c = np.arange(5,10)
print(a,type(a))
print(b,type(b))
print(c,type©)
结果:[5 6 7 8 9] <class ‘numpy.ndarray’>
使用dtype方法可以返回数据类型
print(a.dtype,b.dtype,c.dtype)
结果:int32 int32 int32
附:numpy中常见的数据类型:
🎎3.1 定义数据类型
使用dtype参数指定数据类型
x1 = np.array(range(5,10),dtype = ‘float’)
print(x1,x1.dtype)
结果: [5. 6. 7. 8. 9.] float64
bool类型返回true和false
x2 = np.array([0,1,1,0,1,0,1],dtype=bool)
print(x2,x2.dtype)
结果:[False True True False True False True] bool
🎐3.2 调整数据类型
调整数据类型用到astype方法,可以将原数据类型调整到我们想要的数据类型
x3 = np.array(range(5,10),dtype = ‘int8’)
x4 = x3.astype(‘int32’)
print(x3.dtype,x4.dtype)
结果:int8 int32
🎑3.3 保留n位小数
在numpy中保留n位小数用到的是round方法
例:保留3位随机小数
x5 = random.random()
x6 = np.round(x5,3)
print(x6)
结果:0.313
=============================================================================
数组分为一维数组,二维数组和多维数组。接下来就让我们一起看看在numpy中如何对数组进行操作的吧!!
shape()方法查看数组形状可以判断出这是几维数组
🎗1.1 创建一维数组
a = np.array(range(13))
print(a,a.shape)
结果:
🎠1.2 创建二维数组
a1 = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(a1)
print(a1.shape)
结果:
🎡1.3 创建三维数组
a2 = np.array([[[1,2,3],[4,5,6],[7,8,9],[10,11,12]]])
print(a2)
print(a2.shape)
结果:
可以看出shape方法返回的值中有多少个该数组就是几维数组。
在numpy中用reshape()方法修改数组的形状可以将n维数组修改到m维数组。
🎪2.1 将1维数组变为3维数组
a3= np.array(range(24))
print(a3.shape) #原a3为1维数组
a4 = a3.reshape(2,3,4)
print(a4)
print(a4.shape)
结果:
🎭2.2 将3维数组变到1维数组
a5 = a4.reshape(24,)
print(a5)
print(a5.shape)
结果:
在numpy中将多维数组变到1维数组还有一种方法,那就是flatten()方法,这种方法适用于我们不知道有多少个数组元素时使用。
a5 = a4.flatten()
print(a5)
print(a5.shape)
结果和上面相同。
🎰3.1 数组与数字的计算
🛒3.1.1 加法
数组内的每个元素都加上这个数。
import numpy as np
a = np.array(range(24))
b = a.reshape(4,6)
print(b)
print(b+1)
结果:
🧣3.1.2 减法
数组内的每个元素都减去这个数。
import numpy as np
a = np.array(range(24))
b = a.reshape(4,6)
print(b)
print(b-1)
结果:
🧤3.1.3 乘法
数组内的每个元素都乘以这个数。
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)
单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。**
[外链图片转存中…(img-KSuicfOo-1713670285647)]
[外链图片转存中…(img-4MpoQQkB-1713670285648)]
[外链图片转存中…(img-qqubRmgv-1713670285649)]
[外链图片转存中…(img-ciOh6VYD-1713670285649)]
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)