numpy入门笔记

最新推荐文章于 2024-07-02 00:49:50 发布
最新推荐文章于 2024-07-02 00:49:50 发布
阅读量1k 收藏 17
点赞数 42
分类专栏： python 文章标签： numpy 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Moliay/article/details/139501000
版权

学习参考：
菜鸟教程
numpy入门博客
numpy入门视频

NumPy安装

默认情况使用国外线路，国外太慢，我们使用清华的镜像

pip3 install numpy scipy matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

一、创建数组

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

在这里插入图片描述
在这里插入图片描述

  • 一维数组
import numpy as np

arr1 = [1, 2, 3, 4, 5]
arr2 = [10, 20, 30, 40, 50]
print(arr1 + arr2)

arr3 = np.array(arr1)
arr4 = np.array(arr2)
print(arr3 + arr4)
print(arr4 / arr3)
print(arr3.shape) # （行，列）
print(arr3.max(), arr3.argmax()) # 最大值，最大值索引（从0开始）
print(arr3.ndim) # 维度

在这里插入图片描述

  • 二维数组
import numpy as np

arr1 = np.array([[1, 2, 3],[4, 5, 6]])
print(arr1)
print(arr1.ndim)
print(arr1.shape)

在这里插入图片描述

  • 创建默认值数组
    • 创建全零数组的用途是初始化一个具有特定形状和大小的数组，其中所有元素都设置为0。在处理图像或其他数据时，全零数组可以用作初始值或占位符。例如，假设我们要读取一个尺寸为（255，255，255）的图片，我们可以创建一个相同维度的全零数组，然后将图片读入该数组进行填充。这样做的好处是，我们可以直接将原始图像数据存储在全零数组中，而无需担心数据溢出或其他问题。
    • 全1数组同理
    • 全空数组创建出来的全空数组中的数据都是无限小的、无限接近于0但不是0，这方便我们数学上的一些操作
import numpy as np

data = np.zeros(shape=(3, 4))
print(data)

data1 = np.ones(shape=(3, 4))
print(data1)

data2 = np.empty(shape=(3, 4))
print(data2)

在这里插入图片描述

import numpy as np

sevens = np.full((3, 4), 7)
print(sevens)

在这里插入图片描述

import numpy as np

sevens = np.full((3, 4), 7, dtype=float)
print(sevens)

在这里插入图片描述

  • 有连续序列的数组 arange（从数值范围创建数组）
import numpy as np

data = np.arange(1, 10, 3) # arange(a, b, l)范围[a, b)，步长l
print(data)

在这里插入图片描述

  • 有连续间隔的数组 linspace
    也称线性等分向量（linear space），在一个指定区间内按照指定的步长，将区间均等分，生成的是一个线段类型的数组。生成的线性间隔数据中，是有把区间的两端加进去的
import numpy as np

data = np.linspace(1, 10, 20)# 开始端1，结束端10，且分割成20个数据，生成线段
print(data)
print(data.ndim)

在这里插入图片描述

  • 随机数组
    创建随机数组的用途是初始化一个具有特定形状和大小的数组，其中所有元素都是随机生成的。在处理一些需要模拟随机数据的情况时，随机数组可以用作占位符或测试数据。
import numpy as np

data = np.random.rand(3, 4) # 3行4列
data1 = np.random.randint(1, 6, size=(3, 4)) # 数值在[1， 6)之间的随机整数，3行4列
print(data)
print(data1)

在这里插入图片描述

import numpy as np

random_arr = np.random.random((3, 4)) # [0.0, 1)
print(random_arr)

在这里插入图片描述

  • 改变数组形状
    因为数组中元素是没有改变的，所以重塑数组指定的尺寸大小是否和原本的尺寸大小一样，大一点和小一点都会报错，2行3列的数组，你可以把它改成为3行2列的数组 ，或者1行6列，改后尺寸必须一样，reshape本质就是原本数组中的元素按顺序展开来，然后依次填入新定义的尺寸中去.注意 reshape后面填的是元组数据类型
import numpy as np

arr1 = [1, 2, 3, 4]
arr2 = [5, 6, 7, 8]
arr3 = np.array([arr1, arr2])
print(arr3)
arr3 = arr3.reshape((4, 2))
print(arr3)

在这里插入图片描述

  • 数组转置
import numpy as np

arr1 = [1, 2, 3, 4]
arr2 = [5, 6, 7, 8]
arr3 = np.array([arr1, arr2])
print(arr3)
print(arr3.T)

在这里插入图片描述
其中改变数组形状arr.reshape((c, r))是重新安装规格填入元素，数组转置arr.T类似于矩阵转置

二、数组显示

  • 数组维度 ndim
  • 数组形状shape
  • 数组中元素个数
  • 数组的数据类型 dtype
    在这里插入图片描述
import numpy as np

arr1 = [1, 2, 3, 4]
arr2 = [5, 6, 7, 8]
arr3 = np.array([arr1, arr2])
print(arr3)
print(arr3.ndim)
print(arr3.shape)
print(arr3.size)
print(arr3.dtype)

在这里插入图片描述

三、数组运算

import numpy as np

arr1 = [1, 2, 3, 4]
arr2 = [5, 6, 7, 8]
arr3 = np.array(arr1)
arr4 = np.array(arr2)
print(arr3 + arr4)
print(arr4 - arr3)
print(arr3 * arr4)
print(arr4 / arr3)

在这里插入图片描述

四、数据统计

axis = 0 代表对横轴操作，也就是第0轴
axis = 1 代表对纵轴操作，也就是第1轴

  • 数组的中位数numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=<no value>)
    在这里插入图片描述
import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(np.median(arr))
print(np.median(arr, axis=0))
print(np.median(arr, axis=1))

在这里插入图片描述

  • 计算数组中的元素沿指定轴的最值
numpy.amin(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)
numpy.amax(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)

在这里插入图片描述

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(np.amin(arr))
print(np.amin(arr, axis=0))
print(np.amin(arr, axis=1))

在这里插入图片描述

  • 数组的平均值numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>)
    在这里插入图片描述
import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(np.mean(arr))
print(np.mean(arr, axis=0))
print(np.mean(arr, axis=1))

在这里插入图片描述

  • 数组中元素最大值与最小值的差（最大值 - 最小值）
numpy.ptp(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(np.ptp(arr))
print(np.ptp(arr, axis=0))
print(np.ptp(arr, axis=1))

在这里插入图片描述

  • 小于特定值的观察值的百分比
numpy.percentile(a, q, axis)

在这里插入图片描述

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(np.percentile(arr, 50))
print(np.percentile(arr, 50, axis=0))
print(np.percentile(arr, 50, axis=1))

在这里插入图片描述

五、保存&加载

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 把arr数组保存到helloNumpy.npy文件中
np.save('helloNumpy.npy', arr)

# 加载helloNumpy.npy的内容到arr1中
arr1 = np.load('helloNumpy.npy')
print(arr1)

在这里插入图片描述

Moliay
关注
  • 42
    点赞
  • 踩
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
NumPy入门笔记（一）
01-06
NumPy是Python的一个科学计算库，提供了矩阵计算的功能。Pandas对NumPy库进行了二次封装，提供了更强大的功能。 NumPy可用来存储和处理大型矩阵，比Python自身的数据结构（字符串，队列，元组，字典）更高级。NumPy...
python入门笔记.rar
09-22
**Numpy**](03-numpy) - [04. **Scipy**](04-scipy) - [05. **Python 进阶**](05-advanced-python) - [06. **Matplotlib**](06-matplotlib) - [07. **使用其他语言进行扩展**](07-interfacing-with-other-languages...
Numpy入门笔记
qq_39290054的博客
06-07 784
Numpy NumPy是一个功能强大的Python库，主要用于对多维数组执行计算。 NumPy 中的数组 一维数组 定义数组 import numpy as np a = np.array([1, 2, 3, 4, 5]) b=np.arrage(5) #从0开始取整，不包括最后一位 c= np.linspace(0, 100, 5) #从0-100平均分成5分 输出结果： a...
NumPy入门笔记
weixin_43332422的博客
03-11 144
Numpy Numpy是一个开源的python科学计算基础库 一个强大的N维数组对象ndarray 广播功能函数 整合C/C++/Fortran代码的工具 线性代数、傅里叶变换、随机数生成等功能 Numpy是SciPy、Pandas等数据处理或科学计算库的基础。 Numpy的引用： Import numpy as np Ndarray N维数组对象：ndarray 数据对象可以去掉元素...
Numpy 入门笔记
Sehr Gut
06-15 361
Numpy 入门笔记笔记参照课程唐宇迪python数据分析与机器学习实战 笔记方便自己今后回顾和查看，需要详细了解各自numpy操作，建议学习上述课程 代码https://github.com/Jingyaozhou/numpy_introduction.git基础操作matrix 和 vector 定义import numpy as np #define vector vertor=np.ar
数据分析-numpy入门笔记
abc360605383的博客
07-08 294
本文参考黄博士学习资料做的笔记，代码执行环境是notebook
Numpy入门笔记第三天
极客剑寮
02-20 162
Numpy入门笔记第三天 __TITLE__ = "利用Numpy进行历史股价分析" __DATASOURCE__ = "ATAGURU" # CSV文件读取 import numpy as np # 文件名，分隔符，使用字段7\8，分开储存 # 编号，公式名称，日期，空格，开市，最高，最低，收市价，成交量 c,v = np.loadtxt('da...
NumPy入门
xiaopihaierletian的博客
10-23 255
NumPy入门
NumPy快速入门学习笔记
Amazingren的博客
05-13 277
可以说是刚刚入门了Python，最近需要做深度学习的任务，但是发现Numpy的知识一无所知，所以应该静下来学一学。 写这些东西，最重要的就是想要自己去用它，在这里也跟自己提个醒，避免频繁的陷入一些不必要的学习之中。 要明白自己学习的目的，是为了用而学习，而不是为了学习而去学习 就目前阶段，许多事物摆在眼前，并不是所有的东西都需要系统的去学习，当然不是抵制系统性的学习，而实对于我这样的普通人，真的时...
numpy快速入门笔记
xizi_ghq的博客
09-18 128
""" numpy笔记： """ import numpy as np # a = np.array([[1,2,3],[2,3,4]]) # print(a.ndim)#维度 # print(a.shape)#具体维度 # print(a.size)#元素个数 # print(a.dtype)#查看元素类型 # # a = np.array([1,2,3])#使用列表形式创建numpy array数组 # print(a,a.dtype) # # b = np.array([1,2,3],dtype=
python入门笔记
07-16
Python是一种广泛使用的高级编程语言，以其易读性、简洁的语法和强大的功能而闻名。作为初学者，了解Python的基础知识是至关...这份“python入门笔记”强烈推荐给所有Python新手，希望它能成为你学习过程中的宝贵资源。
python入门笔记（强烈推荐）
07-28
Python是一种高级编程语言，以其简洁明了的语法和强大...这个"python入门笔记（强烈推荐）"涵盖了Python的基础到进阶知识，结合实际例子和练习，将帮助你扎实地掌握Python编程技能，为后续深入学习和开发打下坚实基础。
《概率论与数理统计》期末复习笔记_下
参考书籍：《C语言程序设计》《数据结构》《C++ Primer》《Effective C++》《STL源码剖析》《现代操作系统》《UNIX环境高级编程》《图解TCP/IP》《图解HTTP》《Linux高性能服务器编程》《剑指Offer》《算法导论》
06-29 453
《概率论与数理统计》期末复习笔记_下，（附考试范围及题型）（题型：选择题共12分，6个小题，填空题共18分，共6个题；大题共70分，共7个小题。最后记一下常见分布的概率函数或者密度函数的表示就没了。）
【UE5.3】笔记6-第一个简单小游戏
qq_35064654的博客
06-28 526
在关卡中放置一个cube，放这地面上，将其转换成蓝图类,改名BP_Cube，更换砖块的贴图，按住alt键进行拷贝，堆出一面墙，复制出来的会很多，全选移动到一个新建的文件夹里进行分类放置。这里转换成蓝图类的好处就是后面要修改这面墙的材质就不需要一个个去修改，只要在蓝图类里进行修改就行。注意要打开模拟物理。
【抽代复习笔记】24-群（十八）：循环群的两道例题
2201_76067910的博客
06-30 443
③由f((123)^k) = f((123)^h)，可得出[k] = [h]，从而(123)^k = (123)^h，因为假若(123)^k ≠ (123)^h，则(123)^(k-h) ≠ (123)^(h-h) = (1)，这样[k]-[h] = [k-h]＝f((123)^(k-h)) ≠ f((123)^(h-h)) = [h-h] = [0]，即[k] - [h] ≠ [0]，即[k] ≠ [h]+[0] = [h]，这与前提条件矛盾，所以(123)^k = (123)^h，
昇思MindSpore学习笔记2-01 LLM原理和实践 --基于 MindSpore 实现 BERT 对话情绪识别
最新发布
muren的专栏
07-02 685
通过识别BERT对话情绪状态的实例，展现在昇思MindSpore AI框架中大语言模型的原理和实际使用方法、步骤。
springboot笔记示例七：mybiteplus框架mysql8新类型json集成
逆天-逍遥哥哥的博客
06-28 1506
springboot笔记示例七：mybiteplus框架mysql8新类型json集成
黑马python快速入门笔记
09-02
很高兴你对Python的学习感兴趣！下面是一些关于黑马Python快速入门的笔记： 1. Python简介：Python是一种高级编程语言，具有简洁、易读和可扩展的特点。它被广泛应用于数据分析、Web开发、人工智能等领域。 2. 安装Python：可以从Python官方网站下载并安装Python解释器。同时，推荐使用Anaconda发行版，它包含了很多常用的第三方库和工具。 3. 变量与数据类型：在Python中，可以使用变量来存储不同类型的数据。常见的数据类型包括整数、浮点数、字符串、列表、元组、字典等。 4. 控制流程：使用条件语句（if-else）、循环语句（for、while）和跳转语句（break、continue）控制程序的流程。 5. 函数与模块：函数是一段可重复使用的代码块，可以提高代码的复用性。模块是一个包含Python代码的文件，可以使用import语句导入模块并调用其中的函数。 6. 文件操作：Python提供了丰富的文件操作方法，可以读取和写入文本文件、二进制文件等。 7. 异常处理：通过异常处理机制可以捕获和处理程序中出现的错误，保证程序的稳定性。 8. 面向对象编程：Python是一种面向对象的编程语言，支持类、对象、继承等特性。面向对象编程可以更好地组织和管理代码。 9. 常用第三方库：Python拥有众多的第三方库，可以大大扩展其功能。一些常用的库包括NumPy（数值计算）、Pandas（数据分析）、Matplotlib（数据可视化）等。 以上是关于黑马Python快速入门的一些笔记，希望对你的学习有所帮助。如果有任何问题，请随时向我提问！

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值