Python中Numpy常见用法

最新推荐文章于 2024-05-06 17:16:13 发布
最新推荐文章于 2024-05-06 17:16:13 发布
阅读量1.2w 收藏 137
点赞数 16
文章标签： python
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/bester_man/article/details/110694925
版权

NumPy

  • 广泛使用的矩阵计算包
  • 一个基础性的包，大量的工具在NumPy上开发，包括matplotlib、scipy、pandas等

首先导入numpy包

import numpy as np

1. 用numpy创建一维数组,并进行运算：

在这里插入图片描述

2.遍历C数组：

遍历向量：

在这里插入图片描述

3.将numpy数组转换成python的列表：

在这里插入图片描述

4.创建一维向量：创建一个从0-7的8位数向量在这里插入图片描述

5.查看向量的维度，形状和大小在这里插入图片描述

其中维度表示向量为几维向量，形状表示为几行几列，大小表示向量里有多少个元素

6.向量的切片：在这里插入图片描述

其中a[1:3]可以理解为是一个循环，开始下标为1，结束为下标为3（因为切片右边取不到，是个左闭右开的东西）,所以取a[1]和a[2]这两个数

7.在指定的间隔范围内返回均匀间隔的数字。在这里插入图片描述

8.改变向量形状：在这里插入图片描述

如图所示，创建一位数组b，用reshape将b的维数进行改变，（2,2）为将b变形成两行两列向量，（4,1）为四行一列向量

9.创建二维向量（矩阵）在这里插入图片描述

10.查看二维向量信息：

在这里插入图片描述

11.二维向量切片：

在这里插入图片描述
[0,0]代表第一行第一列的数据，即第一个数据，[1,3]代表第2行第4列的数据，需要注意的是向量下标从0开始，所以[ ]里面的行列值+1才是逻辑行列值

在这里插入图片描述
在这里插入图片描述

12.修改

在这里插入图片描述
在这里插入图片描述

13.矩阵的组合在这里插入图片描述

在这里插入图片描述

在科学计算中，经常会遇到在行或者列维度上进行计算的操作，axis=0表示列维度，axis=1表示行维度。

在这里插入图片描述

14.矩阵的转置在这里插入图片描述

15.矩阵平铺？在这里插入图片描述

16.创建矩阵在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

17.向量运算在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

18.常见的聚和操作

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

可我是joker
关注
  • 16
    点赞
  • 踩
  • 137
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python中numpy模块常见用法demo实例小结
09-19
以下是对Python中NumPy模块常见用法的详细说明： 1. 创建数组： NumPy通过`np.array()`函数创建数组。例如： ```python arr = np.array([[1,2,3], [2,3,4]]) ``` 这创建了一个2x3的二维数组。数组的维度（ndim...
Python Numpy库常见用法入门教程
09-18
与Python的列表不同，ndarray的元素类型是统一的，且在创建时就固定了大小，这使得数组在内存中的存储更加紧凑，执行效率更高。ndarray的主要属性包括： 1. `.ndim`：表示数组的轴数（维度）。 2. `.shape`：返回一...
Python：Numpy使用方法
weixin_69667614的博客
01-08 2747
2. 类型 (一). 数组的类型 (二). 数据的类型 (1). 强制转换数据类型 (2). 强制修改数据类型 3. 生成小数: random.random() 4. 保留小数: round() 5. 多维数组 二. 数组的形状 1. 查看形状 2. 修改形状 三. 数组的计算 1. 加法 (一). 数组与常数 (二). 数组与数组 2. 减法 (一). 数组与常数 (二)
python的numpy的用法总结
qiuweifan的博客
01-17 5320
本文总结Numpy的用法，建议先学习基础。numpy可以理解列表或数组。一个numpy数组是一个由不同数值组成的网格。网格中的数据都是同一种数据类型，可以通过非负整型数的元组来访问。维度的数量被称为数组的阶，数组的大小是一个由整型数构成的元组，可以描述数组不同维度上的大小。
科学计算库——Numpy
最新发布
weixin_45068294的博客
05-06 646
（8）A*B(代表两矩阵对应位置相乘)，【.dot(代表矩阵相乘)，np.dot(a,b)(代表矩阵相乘)】（1）判断（判断某个数组里的是否有该元素值，其结果返回为bool值，有代表True，没有代表False）# .hstack()表示矩阵的拼接(横着拼接)， .vstack()表示矩阵的拼接(纵着拼接)（3）求和（.sum(axis=)）,(axis=1按行求和，axis=0按列求和)（1）.ndim(表示维度)，.size(表示当前一共有多少个元素)
【图解】Python NumPy使用教程
qq_41635501的博客
06-23 2854
NumPy算法图解
Python中numpy库的使用！！！（超实用！！）
m0_73609188的博客
04-07 3216
NumPy是Python科学计算的基础库，主要用于数组和矩阵运算。NumPy提供了许多高效的方法来操作数据和执行数值计算，并且具有比Python内置列表更高的性能。以下是一些NumPy库的使用示例：1.导入NumPy库2.创建numpy数组3.对数组进行索引和切片4.数组的基本运算mean函数是一个统计函数，用于计算数组或矩阵中元素的平均值。
Python之Numpy使用详解
huanxiajioabu的博客
07-20 1437
NumPy 不仅仅是 Python 科学计算中使用最多的库，还是 SciPy，Pandas 等库的基础，它提供了更加高级有效的数据结构，是专门为科学计算而生的库。NumPy 通常与 SciPy（Scientific Python）和 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。
python(numpy用法)
qq_43357172的博客
01-16 257
一.numpy简介 NumPy的全名为Numeric Python，是一个开源的Python科学计算库。它主要用来处理对数组的运算，numpy的绝大部分API都是针对数组的操作，特别是多维数组。 numpy的底层是一个ndarray结构，我们可以通过numpy.array(list)将一个列表转化为一个ndarry类型的数据结构。我们可以把ndarry结构看成是一个加强版的列表，它的本质仍然是一个...
Python numpy中矩阵的基本用法汇总
09-19
本篇将详细介绍Python NumPy中矩阵的基本用法。 1. `mat()` 函数与 `array()` 函数的区别 - `mat()` 函数主要用于创建矩阵对象，它能够接受以分号分隔的字符串或列表形式的数据，如 `np.mat('1 3;5 7')`。而 `...
pythonnumpy教程-PythonNumpy库常见用法入门教程.pdf
06-11
Python的Numpy库是进行数值计算的核心工具，尤其在科学计算和数据分析领域有着广泛的应用。Numpy库的主要特点是它的ndarray对象，这是一个高效处理多维数据的结构。它与Python的列表不同，ndarray的元素类型是固定的...
Python numpy线性代数用法实例解析
01-20
在本文中，我们将深入探讨numpy如何实现线性代数中的常见操作，包括矩阵乘法、点积、内积、计算行列式以及求解线性方程组。 1. **矩阵乘法** 在numpy中，矩阵乘法可以使用`dot`函数或直接使用`@`运算符完成。例如...
python中append实例用法总结
09-18
数组合并操作在数据分析和科学计算中非常常见。`np.hstack()`和`np.vstack()`分别用于水平和垂直方向上的数组拼接，而`np.c_`和`np.r_`是它们的快捷方式。例如： ```python h = np.arange(-2, 2, 1) k1 = np.c_[h, ...
Python常见的pandas用法demo示例
09-19
本篇文章将详细介绍Python中pandas的基本用法，包括创建、操作和分析数据。 首先，我们导入pandas库，并通过创建Series来熟悉基本操作。Series可以理解为带索引的数组，如下所示： ```python import numpy as np ...
python scatter函数用法实例详解
09-17
由于其灵活性和直观性，散点图也是科研报告和学术论文中常见的数据展示方式。 总结来说，Python 的 `scatter` 函数是数据可视化的重要工具，通过简单的调用就能创建出丰富的散点图，帮助我们理解和揭示数据背后的...
Python：NumPy的基本用法
早睡早起
08-19 1435
文章目录NumPy数组1.生成NumPy数组(1) 一般数组(2) 特殊类型数组生成固定范围的随机数组生成指定形状全为0的数组生成指定形状全为1的数组生成单位矩阵(3) 生成随机数组np.random.rand()np.random.randn()np.random.randint()np.random.choice()np.random.shuffle()2.NumPy数组的基本属性(1) 数组...
Python numpy的基本使用
假装你是大灰狼的专栏
11-22 1537
一、numpy概述 numpy（Numerical Python）提供了python对多维数组对象的支持：ndarray，具有矢量运算能力，快速、节省空间。numpy支持高级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。 二、创建ndarray数组 ndarray：N维数组对象（矩阵），所有元素必须是相同类型。 ndarray属性：ndim属性，表示维度个数；shape属性，表示各维度大小；dtype属性，表示数据类型。 创建ndarray数组函数： 函数 说明 arra
python机器学习入门之numpy的用法（超详细，必看）
showswoller的博客
09-07 762
python机器学习入门之numpy的用法（超详细，必看）包括切片 索引 数值计算 统计计算等等
python中 numpy函数用法
03-26
numpy函数是一种用于处理数组的科学计算库，其中包含了许多常用的数学、统计和线性代数函数，以下是一些常见的numpy函数用法： 1. 创建数组 numpy中可以通过numpy.array()函数创建数组，函数接受一个可迭代对象作为参数，例如： ```python import numpy as np # 创建一维数组 a = np.array([1, 2, 3]) print(a) # 输出：[1 2 3] # 创建二维数组 b = np.array([[1, 2], [3, 4]]) print(b) # 输出：[[1 2] # [3 4]] ``` 2. 索引和切片 numpy中的数组索引和切片与Python中的列表相似，可以使用整数索引和切片语法。例如： ```python # 一维数组的索引和切片 a = np.array([1, 2, 3, 4, 5]) print(a[2]) # 输出：3 print(a[:3]) # 输出：[1 2 3] # 多维数组的索引和切片 b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(b[1, 2]) # 输出：6 print(b[:2, 1:]) # 输出：[[2 3] # [5 6]] ``` 3. 数学函数 numpy中包含了许多常用的数学函数，例如： ```python # 平方函数 a = np.array([1, 2, 3]) print(np.square(a)) # 输出：[1 4 9] # 开方函数 b = np.array([1, 4, 9]) print(np.sqrt(b)) # 输出：[1. 2. 3.] # 取绝对值函数 c = np.array([-1, -2, 3]) print(np.absolute(c)) # 输出：[1 2 3] # 求和函数 d = np.array([1, 2, 3]) print(np.sum(d)) # 输出：6 # 求平均值函数 e = np.array([1, 2, 3]) print(np.mean(e)) # 输出：2.0 # 求标准差函数 f = np.array([1, 2, 3]) print(np.std(f)) # 输出：0.816496580927726 ``` 4. 线性代数函数 numpy中包含了许多常用的线性代数函数，例如： ```python # 点积函数 a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) print(np.dot(a, b)) # 输出：[[19 22] # [43 50]] # 矩阵求逆函数 c = np.array([[1, 2], [3, 4]]) print(np.linalg.inv(c)) # 输出：[[-2. 1. ] # [ 1.5 -0.5]] # 特征值与特征向量函数 d = np.array([[1, 2], [2, 1]]) eig_values, eig_vectors = np.linalg.eig(d) print(eig_values) # 输出：[ 3. -1.] print(eig_vectors) # 输出：[[ 0.70710678 -0.70710678] # [ 0.70710678 0.70710678]] ``` 5. 随机数函数 numpy还包含了许多常用的随机数函数，例如： ```python # 随机整数函数 a = np.random.randint(1, 10, (3, 4)) print(a) # 输出：[[5 8 7 4] # [4 4 4 4] # [9 9 9 2]] # 随机浮点数函数 b = np.random.rand(2, 3) print(b) # 输出：[[0.81317738 0.24850358 0.98823489] # [0.35087941 0.98767991 0.17130925]] ``` 以上是numpy函数的一些常见用法，numpy函数的功能非常丰富，还有很多其他函数可以满足各种应用需求。
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