python之numpy学习笔记

最新推荐文章于 2024-02-14 11:19:35 发布
最新推荐文章于 2024-02-14 11:19:35 发布
阅读量245 收藏
点赞数
分类专栏： machine learning math
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/coolljp21/article/details/104255173
版权

PYTHON numpy通用计算函数

  • 通用函数，就是能同时对元素内所有元素逐个进行运算的函数，例如[1,2,3,4]4，可以每个元素都4；
  • 虽然用for循环也可以做到同样的效果，使用numpy则会更快；
  • numpy,scipy.special；
  • 符号：+、-、-、*、/、//、**、%、absolute(abs)均为通用计算符号，三角函数(sin, cos, tan)与反三角函数也可（arcsin. arccos, arctan）
    - +: np.add
    - -: np.subtract
    - -: np.negative
    - *: np.multiply
    - /: np.divide
    - //: np.floor_divide
    - **: np.power
    - %: np.mod
    - absolute(abs): 两用途，一是处理复数的时候，可以得到复数的幅度；第二用途就是取绝对值。

掩码操作

在这里插入图片描述

先判断a是否小于50，会返回true/false，然后再在a里面返回true的值。

指定输出

在这里插入图片描述

隔数插入

外积

np.multiply.outer(a, b)

在这里插入图片描述

聚合操作

聚合可以直接作用在数组上，直接使用numpy.xxx调用，除了any 和 all之外，每个函数都存在一个NaN安全的版本(即存在np.nansum(), numpy中需要加上nan来保证nan安全，而在pandas里面，全部默认nan安全)。

  • np.sum：速度比python块，可设置维度
  • np.prod：积
  • np.mean
  • np.std
  • np.var: 方差
  • np.min
  • np.max
  • np.argmin
  • np.argmax
  • np.median
  • np.percentile(a, q, axis): 基于元素排序的统计值,a为输入，q为要计算的百分位数，axis为需要沿着计算百分位的数轴，二维取值为0，1
  • np.any: 是否至少存在一个为真的元素
  • np.all：所有元素是否为真

适用通用函数的聚合

  • reduce: 作用在每一个函数然后聚合成一个值；
  • accumulate：作用一样，但是会生成中间值。
    -在这里插入图片描述

广播

广播与通用函数的概念差不多。
在这里插入图片描述在这里插入图片描述

规则：

  1. 如果两个数组维度不同，在最小维度的数组形状最左边补上1.
  2. 如果两数组形状在任一维度都不匹配， 则数组的形状会沿着维度为1的维度拓展以匹配零位一个数组。
  3. 如果两个数组在任一维度在任何一个维度都不匹配并且没有任何一个维度等于1，则异常。

索引

在这里插入图片描述

在这里插入图片描述

更为骚的索引
在这里插入图片描述
骚爆的索引结合掩码，骚不骚
在这里插入图片描述

数组的排序

  • 数组默认为快排
  • 可选其他方式排序
  • 可选axis

sort

在这里插入图片描述

在这里插入图片描述

argsort

返回排序完的index
在这里插入图片描述

分隔

在这里插入图片描述

结构化数据

coolljp21
关注
专栏目录
Python之numpy详细教程
风口IT猪的成长录
07-02 2万+
Numpy学习笔记Numpy介绍ndarray介绍ndarray与Python原生list运算效率对比ndarray的优势内存块风格ndarray支持并行化运算（向量化运算）效率远高于纯Python代码Numpy安装N维数组-ndarrayarray 创建ndarray的属性ndarray的形状ndarray的类型总结基本操作生成数组的方法生成0和1的数组np.empy()从现有数组生成关于array和asarray的不同生成固定范围的数组np.linspace (start, stop, num, end
python之numpy学习笔记01
Ewing_yy的博客
06-10 837
微信公众号： 点击蓝色字体小白图像与视觉进行关注 关于技术、关注yysilence00。有问题或建议，请公众号留言 整理知识，学习笔记 发布日记，杂文，所见所想 一：numpy介绍 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这个词来源于两个单词-- Numerical和Python。NumPy提供了大量的库函数和操作，可以帮助程序员轻松地进行数值计算 #引进numpy库 import numpy 这样你就可以用 numpy 里面所有的内置方法 (build.
Python-NumPy学习笔记
qq_37676636的博客
06-29 578
本文将分五个方面讲解NumPy数组NumPy提供了两种基本的对象：ndarray和ufuncndarray是存储单一数据类型的多维数组，ufunc则是能够对数组进行处理的函数一、NumPy的导入import numpy as np二、创建数组1、通过array函数可以通过给array函数传递Python的序列对象创建数组，如果传递的是多层嵌套的序列，将创建多维数组（例如：变量c）：a = np.a...
python：numpy学习笔记
USTB_YYX的博客
03-02 275
目录numpy学习笔记1、np.set_printoptions()2、numpy中的乘法3、np.flatten() numpy学习笔记 1、np.set_printoptions() set_printoptions(precision=None, threshold=None, edgeitems=None, linewidth=None, suppress=None, nanstr=Non...
Python--Numpy学习笔记
weixin_43238102的博客
01-09 658
简单全面易懂的numpy教程
Python numpy学习笔记（一）
aws10686的博客
12-17 137
下边代码是关于numpy的一些基本用法，包括数组和矩阵操作等... 1 import numpy as np 2 print "<== print version ==>" 3 print np.version.version 4 print "<== 1-dimensional array ==>" 5 print np.arr...
Python NumPy个人学习笔记
03-02
0、NumPy简介 1、数据生成 2、数据选取 3、数据处理 4、数据运算
python-numpy学习笔记
08-26
python-numpy学习笔记，带你快速上手numpy，排版精美。
python必备库 学习笔记 numpy
12-21
在Python编程语言中，NumPy库是进行数值计算和科学计算的核心库。它提供了高效的多维数据结构——ndarray（n-...掌握NumPy的使用对于任何进行数据分析、机器学习或科学计算的Python程序员来说都是至关重要的。
python numpy学习笔记
qq_43650934的博客
03-05 502
1.np的重要属性 import numpy as np np.ndim # 数组的维数 np.shape # 数组的形状 np.size # 数组的元素个数 np.dtype # 数组的元素类型 2.创建数组 np.array 你可以使用np.array直接用Python的元组和列表来创建，如果传递的是多层嵌套的序列，将创建多维数组。 np.arange 为了创建列表，N...
Numpy：使用numpy.sort()、numpy.argsort（）获取排序后的值
weixin_30650039的博客
01-23 1109
获取矩阵排序后的值 print("---------------------np.sort()可得升序后的值-------------------------") import numpy as np a = np.array([[4, 3, 5], [1, 2, 1]]) print (a) print("-----") b = np.sort(a, axis...
Python numpy学习笔记1
Jerry_Monster的博客
10-13 300
print(help(函数)) 可以查看官方中对函数的详细介绍 numpy.array([])是numpy中的array结构是numpy中最重要的结构 如 vector=numpy.array([5,10,15,20])，vector即为一个向量 二维格式矩阵的创建 matrix=numpy.array([[5,10,15],[20,25,30],[35,40,45]]) matrix就是一个三行...
Python NumPy 的学习笔记
最新发布
engchina的专栏
02-14 1340
Python NumPy 的学习笔记
python-numpy笔记
Twiss的博客
12-09 518
Ndarray ndarray类的实例可以通过本教程后面描述的不同的数组创建例程来构造。 基本的ndarray是使用 NumPy 中的数组函数创建的，如下所示： numpy.array 它从任何暴露数组接口的对象，或从返回数组的任何方法创建一个ndarray。 numpy.array(object, dtype = None, copy = True, order = None, subok ...
python numpy笔记
jerryzhai26的博客
12-28 853
1. 按照行列求平均 c = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]]) print(c.mean(axis=1))#行 print(c.mean(axis=0))#列 求均值操作会把矩阵降维，在numpy的最新版本中,包括mean在内的简化操作有一个名为keepdims的参数,它告诉函数不要折叠缩小的维度.相反,保留长度为1的普通维度。 c = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7,
Python学习笔记——NumPy
小橙子的博客
02-23 387
①概念向量数据是指存储一系列同类数据的有序数据结构。②分类python中的列表和元组可以用来存储向量数据。分为 一维列表，二维列表，三(多)维列表。③向量数据结构的理解。
Python数据分析（一）-- NumPy 学习笔记
CarpeDiem
06-08 980
NumPy(Numerical Python) 是科学计算基础库，提供大量科学计算相关功能，比如数据 统计，随机数生成等。其提供最核心类型为多维数组类型（ndarray），支持大量的维度数组 与矩阵运算，Numpy 支持向量处理 ndarray 对象，提高程序运算速度。.........
python numpy的一些笔记
awutongaxinwande的博客
01-06 159
Python-numpy 笔记整理
枠成
07-15 265
只记录自己不熟的 Referece： https://vitu.ai/course/65598890065315648 某速查表 https://www.cnblogs.com/rrttp/p/8028421.html https://www.jianshu.com/p/cbd0db72058e 构造多维数组（矩阵） import numpy as np a = np.arange(20) a = a.reshape(4, 5) print(a) a = a.reshape(2, 2, 5) print.
numpy学习笔记
05-29
好的，我可以和你分享一些关于numpy的学习笔记。 首先，numpy是一个Python的库，用于科学计算和数据分析。它提供了高性能的多维数组对象以及相关的工具和函数。 下面是一些常用的numpy操作： 1. 创建数组 可以使用numpy中的array函数创建数组，例如： ```python import numpy as np a = np.array([1, 2, 3]) print(a) # [1 2 3] ``` 也可以使用numpy中的arange函数创建等差数组，例如： ```python b = np.arange(0, 10, 2) print(b) # [0 2 4 6 8] ``` 2. 数组运算 numpy中的数组支持各种数学运算，例如： ```python a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = a + b print(c) # [5 7 9] d = a * b print(d) # [ 4 10 18] e = np.dot(a, b) print(e) # 32 ``` 3. 数组切片和索引 可以使用numpy中的切片和索引来访问数组中的元素，例如： ```python a = np.array([1, 2, 3, 4, 5]) print(a[0]) # 1 print(a[1:4]) # [2 3 4] print(a[::2]) # [1 3 5] ``` 4. 数组形状操作 可以使用numpy中的reshape函数改变数组的形状，例如： ```python a = np.array([1, 2, 3, 4, 5, 6]) b = a.reshape(2, 3) print(b) # [[1 2 3] # [4 5 6]] c = a.reshape(3, -1) # -1表示自动计算 print(c) # [[1 2] # [3 4] # [5 6]] ``` 以上是一些常用的numpy操作，希望能够帮助你更好地学习numpy。
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