import numpy as np
# 创建服从均匀分布的随机数组
rand_array = np.random.rand(2, 3)
print("均匀分布的随机数组:\n", rand_array)
# 创建服从标准正态分布的随机数组
randn_array = np.random.randn(2, 3)
print("标准正态分布的随机数组:\n", randn_array)
# 创建指定范围的随机整数数组
randint_array = np.random.randint(1, 10, size=(2, 3))
print("指定范围的随机整数数组:\n", randint_array)
# 创建服从均匀分布的随机数组
random_array = np.random.random((2, 3))
print("均匀分布的随机数组:\n", random_array)
>均匀分布的随机数组:
[[0.49018606 0.05014734 0.38739906]
[0.09357898 0.98583039 0.6992634 ]]
>标准正态分布的随机数组:
[[ 1.44017508 0.55562128 -0.11157242]
[ 0.80112095 1.58158805 0.81131876]]
>指定范围的随机整数数组:
[[7 6 9]
[5 2 6]]
>均匀分布的随机数组:
[[0.35562269 0.29418661 0.49925419]
[0.76548519 0.70753405 0.02305559]]
数组属性
array = np.array([[1, 2, 3], [4, 5, 6]])
# 获取特定元素
print("第一个元素:", array[0, 0])
print("最后一个元素:", array[-1, -1])
# 获取特定行
print("第一行:", array[0, :])
print("第二列:",array[:, 1])
>第一个元素: 1
>最后一个元素: 6
>第一行: [1 2 3]
>第二列: [2 5]
# 创建数组
array = np.array([[1, 2, 3], [4, 5, 6]])
print(array.shape)
>(2, 3)
array = np.array([[1, 2, 3], [4, 5, 6]])
print(array.ndim)
print(array.size)
> 2
> 6
array = np.array([[1, 2, 3], [4, 5, 6]])
print(array.dtype)
> int64
数组变更
# 创建数组
array = np.array([[1, 2, 3], [4, 5, 6]])
array = np.reshape(array, (3, 2))
print(array)
>[[1 2]
[3 4]
[5 6]]
array = np.array([[1, 2, 3], [4, 5, 6]])
array = array.astype(float)
print(array.dtype)
>float64
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
sub_array = array[0:2, 1:3]
print(sub_array)
>[[2 3]
[5 6]]
my_array = np.array([[1, 2, 3], [4, 5, 6]])
transposed_array = np.transpose(my_array)
print(transposed_array)
>[[1 4]
[2 5]
[3 6]]
# 创建数组
array1 = np.array([[1, 2], [3, 4]])
array2 = np.array([[5, 6], [7, 8]])
# 沿水平方向连接数组
hstacked_array = np.hstack((array1, array2))
print("水平连接的数组:\n", hstacked_array)
# 沿垂直方向连接数组
vstacked_array = np.vstack((array1, array2))
print("垂直连接的数组:\n", vstacked_array)
>水平连接的数组:
[[1 2 5 6]
[3 4 7 8]]
>垂直连接的数组:
[[1 2]
[3 4]
[5 6]
[7 8]]
- numpy.split(array, indices_or_sections, axis=0): 沿指定轴拆分数组
- numpy.hsplit(array, indices_or_sections): 水平拆分数组(列)
- numpy.vsplit(array, indices_or_sections): 垂直拆分数组(行)
array = np.array([[1, 2, 3, 11, 12, 13], [4, 5, 6, 14,15,16], [7, 8, 9, 17,18,19]])
# 使用numpy.split()沿第1轴(行)拆分数组
split_array1 = np.split(array, 3, axis=0)
for arr in split_array1:
print(arr)
>[[ 1 2 3 11 12 13]]
[[ 4 5 6 14 15 16]]
[[ 7 8 9 17 18 19]]
# 使用numpy.hsplit()水平拆分数组
split_array2 = np.hsplit(array, 3)
for arr in split_array2:
print(arr)
>[[1 2]
[4 5]
[7 8]]
[[ 3 11]
[ 6 14]
[ 9 17]]
[[12 13]
[15 16]
[18 19]]
# 使用numpy.vsplit()垂直拆分数组
split_array3 = np.vsplit(array, 3)
for arr in split_array3:
print(arr)
>[[ 1 2 3 11 12 13]]
[[ 4 5 6 14 15 16]]
[[ 7 8 9 17 18 19]]
array = np.array([1, 2, 3])
# 数组元素重复
repeated_array = np.repeat(array, 2)
print("重复后的数组:", repeated_array)
# 数组重复
**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。**
![img](https://img-blog.csdnimg.cn/img_convert/d98dc341254c25ef958532294de6e2a7.png)
![img](https://img-blog.csdnimg.cn/img_convert/28590a2351943ade24cbeb4009d30108.png)
![img](https://img-blog.csdnimg.cn/img_convert/7e755eef0df3830dcf956f3ccbf05997.png)
![img](https://img-blog.csdnimg.cn/img_convert/16099ba6c622a1a8761a0be291c77ad0.png)
![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)
![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)
**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)**
ps://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)
**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)**
![](https://img-blog.csdnimg.cn/img_convert/26f59a8ae3322aff6b71e8276eaef1f4.jpeg)