Numpy中ndarray运算

最新推荐文章于 2022-03-30 18:30:48 发布
最新推荐文章于 2022-03-30 18:30:48 发布
阅读量1.4k 收藏 2
点赞数 1
分类专栏： 数据分析
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/geek64581/article/details/106657570
版权

文章目录

一、逻辑运算

# 生成10名同学，5门功课的数据
>>> score = np.random.randint(40, 100, (10, 5))

# 取出最后4名同学的成绩，用于逻辑判断
>>> test_score = score[6:, 0:5]

# 逻辑判断, 如果成绩大于60就标记为True 否则为False
>>> test_score > 60
array([[ True,  True,  True, False,  True],
       [ True,  True,  True, False,  True],
       [ True,  True, False, False,  True],
       [False,  True,  True,  True,  True]])

# BOOL赋值, 将满足条件的设置为指定的值-布尔索引
>>> test_score[test_score > 60] =
最低0.47元/天 解锁文章
代序春秋
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
数据分析笔记--numpy--ndarray的统计函数
print_and_return的博客
05-23 5424
import numpy as npmean():求数组元素的平均值max(),min():数组元素的最大值和最小值std():求标准差     var():求方差标准差：数组中的所有数字分别和平均数的差的平方的和的平均数开根号--即方差的算数平方根方差：数组中的所有数字分别和平均数的差的平方的和的平均数这两个主要是用来衡量数据集的离散程度和波动大小argmax():求最大值的下标    argm...
numpy中ndarray的数值计算
最新发布
weixin_51332399的博客
06-07 619
最小值为2，最大值为4，言下之意是小于2的数，值设为2，大于4的数，值设为4。axis=0，是指沿着x轴相加，即求列之间的运算。axis=1，是指沿着y轴相加，即求行之间的运算。decimals=n是将精度设为小数点后的n位。1.导入numpy，声明一个ndarray。axis=-1，是指沿最后一根轴相加。2.计算ndarray中成员的和。4.计算ndarray中成员的积。7.求每一行和每一列中的最小值。6.求最大值和最小值。
ndarray运算
weixin_45879334的博客
04-14 219
arr = np.array([[1, 2, 3], [4, 5, 6]]); 1.相加 print(arr+arr)，得到： 2.相减 print(arr-arr)，得到： 3.相乘 print(arr*arr)，得到： 4.除以一个数 print(1/arr)，得到： 5.乘方 print(arr**2)，arr的二次方得到： 6.布尔值数组 arr1 = [[1, 3, 4], [...
ndarray数组的运算
共勉
12-05 207
一元函数：对数组各个元素进行操作运算 函数名 描述 np.abs(x) / np.fabs(x) 求个元素的绝对值 np.sqrt(x) 求平方根 np.square(x) 求平方 np.log(x) 求自然对数 np.ceil(x) / np.floor(x) 求其ceil值与floor值 np.rint(x) 四舍五入 np.modf(x) 将小...
Numpy：ndarray运算。
It's You--MXL
05-28 187
一、通用判断函数 np.all() – 全部元素都满足条件，返回 True，否则返回 False #判断前两名同学的成绩[0:2, :]是否全及格 >>>np.all(score[0:2, :] > 60) False np.any() – 有元素满足条件，返回 True，否则返回 False # 判断前两名同学的成绩[0:2, :]是否有大于90分的 >>> np.any(score[0:2, :] > 80) True 二、np.where（三元运算符
numpy教程03---ndarray的运算
qq_38727995的博客
03-30 2717
ndarray的运算，包括算术运算、广播、条件运算和数学、统计函数的使用。
Python中Numpy ndarray的使用详解
09-19
以上就是关于`NumPy`中`ndarray`的使用详解，包括了如何创建数组、数组的基本属性、特殊数组的创建方法以及基本的数组操作和数学运算。掌握这些内容将有助于更好地利用`NumPy`进行数据处理和分析。
numpy.ndarray 实现对特定行或列取值
09-18
ndarray是NumPy库中的一个多维数组对象，它可以用来存储整数、浮点数、复数等类型的数组，支持各种维度和大小的数组，为高级数学运算提供基础支持。 3. 数组的创建和重塑（reshape）： 在示例代码中，首先导入了...
numpy中实现ndarray数组返回符合特定条件的索引方法
09-20
在Python的科学计算库NumPy中，处理多维数组（ndarray）是非常常见的任务。当我们需要根据特定条件从数组中提取元素的索引时，NumPy提供了多种方法。本篇文章将详细探讨如何在NumPy中实现ndarray数组返回符合特定...
numnim：Numpy像ndarray和nim-lang的dataframe库
02-04
标题"numnim：Numpy像ndarray和nim-lang的dataframe库"揭示了我们讨论的主题——numnim，这是一个针对nim语言设计的库，它提供了类似于Python中Numpy库的ndarray对象以及类似dataframe的数据结构。Numpy是Python科学...
numpy中的ndarray方法和属性详解
09-19
NumPy是Python中用于科学计算的核心库，其核心数据结构是`ndarray`，它代表了多维数组。`ndarray`具有丰富的属性和方法，使得处理数值数据变得高效且便捷。以下是对`ndarray`的一些关键知识点的详细解释： 1. **秩...
ndarray运算记录
snailpeople的博客
01-15 220
关于ndarray对象的很多计算方法都有一个axis参数，它有如下作用： 当axis=None（默认）时，数组被当成一个一维数组，对数组的计算操作是对整个数组进行的，比如sum方法，就是求数组中所有元素的和； 当axis被指定为一个int整数时，对数组的计算操作是以提供的axis轴进行的。 比如data.sum()就是所有元素的和，sum（axis=0）就是列加，axis=1就是行加 计算...
Numpy-ndarray-数组运算
roymustang的博客
10-30 541
标量运算 数组本身是包含元素的集合，对数组运算，其实对数组每个元素运算， celling不超过元素的整数的最大值 floor超过元素的整数最小值 如上图生成a，对所有元素去平方，np。square（a）生产一个数组，但a本身没有改变。次时用a=np.sqrt（a）改变了啊 如果需要改变原来数组，要赋值原来数组。 上图用modf有两个数组，小数和整数部分，这样一个函数整数也是浮点数，这样...
ndarray的基本运算--附源码
goodness_for_me的博客
04-28 216
import numpy as np 逻辑运算 score = np.random.randint(40, 100, (10, 5)) # 40`100生成10*5数组 score array([[65, 92, 42, 52, 91], [41, 92, 82, 55, 95], [77, 66, 88, 94, 43], [75, 92, 53, 89, 86], [94, 59, 50, 60, 73], [57, 57, 6
numpy中ndarray的矩阵运算
qq_36220852的博客
10-09 609
数组是编程中的概念，矩阵、矢量是数学概念。 在计算机编程中，矩阵可以用数组形式定义，矢量可以用结构定义! 矢量运算：相同大小的数组间运算应用在元素上 示例代码（1）： # 矢量与矢量运算 arr = np.array([[1, 2, 3], [4, 5, 6]]) print("元素相乘：") print(arr * arr) print("矩阵相加：") pr...
numpy.ndarray 常用运算符操作
thompson的博客
07-09 498
示例： import numpy as np mat= np.array([1, -3, 5]) print('mat<4',mat<4) print('mat<4',mat.__lt__(4)) print('mat<=4',mat.__le__(4)) print('mat>',mat>4) print('mat>',mat.__gt__(4)) print('mat>=',mat.__ge__(4)) print('mat==4',mat.__eq__(
Numpy-ndarray运算
William_GJIN的博客
01-18 799
一、逻辑运算 1.布尔运算 ​ 通过< , >号判断数组全部值是否符合条件，如是否大于1，大于1会置为True，小于1会置为False #生成0到1之间，8行10列均匀分布的数组 stock_change = np.random.normal(0,1,(8,10)) #大于0.5的值置为True，否则置为False stock_change > 0.5 array([[False, False, False, False, False, False, False, False, Fal
numpy中ndarray的全部用法
04-01
1. 创建ndarray数组： np.array()、np.zeros()、np.ones()、np.full()、np.arange()、np.linspace()、np.random.rand()、np.random.randn()、np.random.randint() 2. 数组属性： ndarray.shape、ndarray.dtype、ndarray.ndim、ndarray.size、ndarray.itemsize、ndarray.nbytes 3. 数组索引和切片： ndarray[index]、ndarray[start:end]、ndarray[start:end:step]、ndarray[condition]、ndarray[condition][condition]、ndarray[condition & condition]、ndarray[condition | condition] 4. 数组运算： ndarray +、ndarray -、ndarray *、ndarray /、ndarray //、ndarray %、ndarray **、ndarray +=、ndarray -=、ndarray *=、ndarray /=、ndarray //=、ndarray %=、ndarray **= 5. 数组函数： np.sort()、np.argsort()、np.concatenate()、np.split()、np.vstack()、np.hstack()、np.transpose()、np.dot()、np.sum()、np.mean()、np.std()、np.max()、np.min()、np.exp()、np.log()、np.power()、np.clip()、np.where()、np.unique()、np.save()、np.load()、np.savetxt()、np.loadtxt() 6. 数组广播： ndarray + scalar、ndarray + ndarray、ndarray * scalar、ndarray * ndarray 7. 数组复制： ndarray.copy()、ndarray.view()、ndarray.ravel()、ndarray.flatten()、ndarray.resize()、ndarray.transpose()、ndarray.swapaxes()、ndarray.squeeze()、ndarray.repeat() 8. 数组比较： ndarray ==、ndarray !=、ndarray >、ndarray >=、ndarray <、ndarray <=、np.array_equal() 9. 数组逻辑： np.logical_and()、np.logical_or()、np.logical_not()、np.logical_xor() 10. 数组迭代： for i in ndarray:、ndarray.flat、ndarray.flatten()、np.nditer()
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