numpy

最新推荐文章于 2024-04-23 05:15:00 发布
最新推荐文章于 2024-04-23 05:15:00 发布
阅读量127 收藏
点赞数
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/liangzai07/article/details/120076502
版权 
data=np.array([1,2,3])

data

array([1, 2, 3])

1.数组拆分

垂直拆分：numpy.vsplit(数组，份数)

c=np.arange(1,13).reshape(6,2)

c

array([[ 1,  2],
       [ 3,  4],
       [ 5,  6],
       [ 7,  8],
       [ 9, 10],
       [11, 12]])

np.vsplit(c,3)

[array([[1, 2],
        [3, 4]]),
 array([[5, 6],
        [7, 8]]),
 array([[ 9, 10],
        [11, 12]])]

水平拆分：numpy.hsplit(数组，分数)

d=c.T

d

array([[ 1,  3,  5,  7,  9, 11],
       [ 2,  4,  6,  8, 10, 12]])

np.hsplit(d,3)

[array([[1, 3],
        [2, 4]]),
 array([[5, 7],
        [6, 8]]),
 array([[ 9, 11],
        [10, 12]])]

堆叠：numpy.dstack()

a=np.arange(11,20).reshape(-1,1)

a

array([[11],
       [12],
       [13],
       [14],
       [15],
       [16],
       [17],
       [18],
       [19]])

b=np.arange(21,30).reshape(-1,1)

b

array([[21],
       [22],
       [23],
       [24],
       [25],
       [26],
       [27],
       [28],
       [29]])

e=np.dstack((a,b))

e

array([[[11, 21]],

       [[12, 22]],

       [[13, 23]],

       [[14, 24]],

       [[15, 25]],

       [[16, 26]],

       [[17, 27]],

       [[18, 28]],

       [[19, 29]]])

拆分：numpy.dsplit(数组，份数)

np.dsplit(e,2)

[array([[[11]],
 
        [[12]],
 
        [[13]],
 
        [[14]],
 
        [[15]],
 
        [[16]],
 
        [[17]],
 
        [[18]],
 
        [[19]]]),
 array([[[21]],
 
        [[22]],
 
        [[23]],
 
        [[24]],
 
        [[25]],
 
        [[26]],
 
        [[27]],
 
        [[28]],
 
        [[29]]])]
灵活选择应用
inistate=np.array([1,2,3,4])
pre_inistate=inistate[0:3]
pre_inistate

array([1, 2, 3])

numpy 基本加减和取行操作

import numpy as np
a=np.array([1,1,1,1])
b=np.array([[1],[1],[1],[1]])
a+b

array([[2, 2, 2, 2],
       [2, 2, 2, 2],
       [2, 2, 2, 2],
       [2, 2, 2, 2]])

c=np.array([[1,1,1,1]])
c+b

array([[2, 2, 2, 2],
       [2, 2, 2, 2],
       [2, 2, 2, 2],
       [2, 2, 2, 2]])

取W的第一列

W=np.array([[1,1,1],[2,2,2]])
W[:,1]

array([1, 2])

取W的第一行

W[1]

array([2, 2, 2])

替换第一列

W[:,1]=np.array([5,5])
W

array([[1, 5, 1],
       [2, 5, 2]])

矩阵删除delet、插入insert、尾部添加append操作

delete()函数

import numpy as np
matrix=[[1,2,3,4],[5,6,7,8],[9,10,11,12]]

p1=np.delete(matrix,1,0)
print('>>>>p1>>>>\n',p1)

p2 = np.delete(matrix, 1, 1)
print('>>>>p2>>>>\n',p2)

p3 = np.delete(matrix, 1)
print('>>>p3>>>>\n',p3)

p4 = np.delete(matrix, [0,1], 1)
print('>>>>p4>>>>\n',p4)

>>>>p1>>>>
 [[ 1  2  3  4]
 [ 9 10 11 12]]
>>>>p2>>>>
 [[ 1  3  4]
 [ 5  7  8]
 [ 9 11 12]]
>>>p3>>>>
 [ 1  3  4  5  6  7  8  9 10 11 12]
>>>>p4>>>>
 [[ 3  4]
 [ 7  8]
 [11 12]]

insert()函数

import numpy as np
matrix=[[1,2,3,4],[5,6,7,8],[9,10,11,12]]

q1=np.insert(matrix,1,[1,1,1,1],0)
print('>>>>q1>>>>\n',q1)

>>>>q1>>>>
 [[ 1  2  3  4]
 [ 1  1  1  1]
 [ 5  6  7  8]
 [ 9 10 11 12]]

q2 = np.insert(matrix, 0, [1,1,1], 1)
print('>>>>q2>>>>\n',q2)

>>>>q2>>>>
 [[ 1  1  2  3  4]
 [ 1  5  6  7  8]
 [ 1  9 10 11 12]]

q3 = np.insert(matrix, 3, [1,1,1,1], 0)
print('>>>>q3>>>>\n',q3)

>>>>q3>>>>
 [[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [ 1  1  1  1]]

append()函数

matrix=[[1,2,3,4],[5,6,7,8],[9,10,11,12]]
m1=np.append(matrix,[[1,1,1,1]],axis=0)
print('>>>>m1>>>>\n',m1)

>>>>m1>>>>
 [[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [ 1  1  1  1]]

m2 = np.append(matrix,[[1],[1],[1]],axis=1)
print('>>>>m2>>>>\n',m2)

>>>>m2>>>>
 [[ 1  2  3  4  1]
 [ 5  6  7  8  1]
 [ 9 10 11 12  1]]

m3 = np.append(matrix,[1,1,1,1])
print('>>>>m3>>>>\n',m3)

>>>>m3>>>>
 [ 1  2  3  4  5  6  7  8  9 10 11 12  1  1  1  1]

np.random.choice(a，size, replace, p)

import numpy as np
a1=np.random.choice(7,5)
a1

array([1, 2, 1, 0, 6])

a2 = np.random.choice([0,1,2,3,4,5,6],5)
a2

array([2, 1, 0, 2, 6])

a3 = np.random.choice(np.array([0,1,2,3,4,5,6]),5)
a3

array([0, 3, 3, 4, 0])

a4 = np.random.choice([0,1,2,3,4,5,6],5,replace=False)
a4

array([1, 5, 3, 2, 0])

a5 = np.random.choice(np.array([0,1,2,3,4,5,6]),5,p=[0.1,0.1,0.1,0.1,0.1,0.1,0.4])
a5

array([6, 6, 1, 0, 4])

np.argmax(a, axis=None, out=None)

import numpy as np
a = np.array([[1,1,1],[2,2,2],[0,3,6]])
a

array([[1, 1, 1],
       [2, 2, 2],
       [0, 3, 6]])

b1 = np.argmax(a)
b1

8

b2 = np.argmax(a, axis=0)
b2

array([1, 2, 2], dtype=int64)

b3=np.argmax(a,axis=1)
b3

array([0, 0, 2], dtype=int64)

*的作用

y1=np.linspace(-10.0,10.0)
y1

array([-10.        ,  -9.59183673,  -9.18367347,  -8.7755102 ,
        -8.36734694,  -7.95918367,  -7.55102041,  -7.14285714,
        -6.73469388,  -6.32653061,  -5.91836735,  -5.51020408,
        -5.10204082,  -4.69387755,  -4.28571429,  -3.87755102,
        -3.46938776,  -3.06122449,  -2.65306122,  -2.24489796,
        -1.83673469,  -1.42857143,  -1.02040816,  -0.6122449 ,
        -0.20408163,   0.20408163,   0.6122449 ,   1.02040816,
         1.42857143,   1.83673469,   2.24489796,   2.65306122,
         3.06122449,   3.46938776,   3.87755102,   4.28571429,
         4.69387755,   5.10204082,   5.51020408,   5.91836735,
         6.32653061,   6.73469388,   7.14285714,   7.55102041,
         7.95918367,   8.36734694,   8.7755102 ,   9.18367347,
         9.59183673,  10.        ])

y2 = np.linspace(1,10,10)
y2

array([ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.])

y3 = np.linspace(1,10,10,endpoint=False)
y3

array([1. , 1.9, 2.8, 3.7, 4.6, 5.5, 6.4, 7.3, 8.2, 9.1])

y4= np.linspace(1, 10, 6, retstep=True)
y4

(array([ 1. ,  2.8,  4.6,  6.4,  8.2, 10. ]), 1.8)

拉平操作 ravel()、faltten()、reshape(1,-1)、[None,:] 操作

import numpy as np
x = np.array([[1,2,3],[4,5,6],[1,2,3]])
x.flatten()

array([1, 2, 3, 4, 5, 6, 1, 2, 3])

x.ravel()

array([1, 2, 3, 4, 5, 6, 1, 2, 3])

x.ravel('F')

array([1, 4, 1, 2, 5, 2, 3, 6, 3])

x.flatten('F')

array([1, 4, 1, 2, 5, 2, 3, 6, 3])

x.flatten()[1]=20
x

array([[1, 2, 3],
       [4, 5, 6],
       [1, 2, 3]])

x.ravel()[1]=20
x

array([[ 1, 20,  3],
       [ 4,  5,  6],
       [ 1,  2,  3]])

x.reshape(1,-1)

array([[ 1, 20,  3,  4,  5,  6,  1,  2,  3]])

x[:,None]

array([[1],
       [2],
       [3],
       [6],
       [7],
       [8]])

x[np.newaxis, :] 

array([[1, 2, 3, 6, 7, 8]])

np.prod() 计算元素乘积

x = np.array([[1,2,3],[2,3,4]])
np.prod(x)

144

np.prod(x,axis=1)

array([ 6, 24])

np.prod(x,axis=0)

array([ 2,  6, 12])

maximum() 函数 、minimum() 函数，以及 矩阵操作

import numpy as np
x = np.array([[1,2,3],[-3,2,4],[5,-2,9]])
x

array([[ 1,  2,  3],
       [-3,  2,  4],
       [ 5, -2,  9]])

y1=np.maximum(0,x)
y1

array([[1, 2, 3],
       [0, 2, 4],
       [5, 0, 9]])

y2=np.minimum(0,x)
y2

array([[ 0,  0,  0],
       [-3,  0,  0],
       [ 0, -2,  0]])

x1=x.copy()
x1

array([[ 1,  2,  3],
       [-3,  2,  4],
       [ 5, -2,  9]])

x1[x1<0]=0
x1

array([[1, 2, 3],
       [0, 2, 4],
       [5, 0, 9]])

x2=x.copy()
x2[x2>0]=0
x2

array([[ 0,  0,  0],
       [-3,  0,  0],
       [ 0, -2,  0]])

numpy中的矩阵copy

import numpy as np
x = np.array([[1,2,3],[-3,2,4],[5,-2,9]])
x

array([[ 1,  2,  3],
       [-3,  2,  4],
       [ 5, -2,  9]])

x1 = x.copy()
x1[x1 > 0] = 0
x1

array([[ 0,  0,  0],
       [-3,  0,  0],
       [ 0, -2,  0]])

x

array([[ 1,  2,  3],
       [-3,  2,  4],
       [ 5, -2,  9]])

x2=x
x2

array([[ 1,  2,  3],
       [-3,  2,  4],
       [ 5, -2,  9]])

x2[x2>0] = 0
x2

array([[ 0,  0,  0],
       [-3,  0,  0],
       [ 0, -2,  0]])

x

array([[ 0,  0,  0],
       [-3,  0,  0],
       [ 0, -2,  0]])

x = np.array([[1,2,3],[-3,2,4],[5,-2,9]])
x3 = x[2]
x3

array([ 5, -2,  9])

x3[2] = 100
x

array([[  1,   2,   3],
       [ -3,   2,   4],
       [  5,  -2, 100]])

np.zeros_like()构造全零矩阵，无需指定大小

x = np.array([[1,2,3],[4,5,6]])
np.zeros_like(x)

array([[0, 0, 0],
       [0, 0, 0]])

np.random.rand() 生成均匀分布矩阵

n = np.random.rand(3,4)
n

array([[0.55070942, 0.11264475, 0.23473387, 0.54733659],
       [0.93090094, 0.59149757, 0.15154385, 0.17706474],
       [0.46473289, 0.58075965, 0.39459407, 0.17146212]])

np.random.randn() 生成正太分布矩阵

x = np.random.randn(2,3)
x

array([[-0.01372408,  1.12456958, -0.30401023],
       [ 0.35689285,  0.58811853,  1.29256879]])

y = np.multiply(0.1,np.random.randn(2,3))+0.5
y

array([[0.36393121, 0.58014514, 0.45773994],
       [0.49480454, 0.50189164, 0.39766901]])

np.randm.randint() 生成离散均匀分布的整数值组成的矩阵

z = np.random.randint(2,9,(2,3))
z

array([[5, 3, 8],
       [6, 7, 3]])

m = np.random.randint(9,size = (2,3))
m

array([[2, 0, 7],
       [0, 0, 7]])

python 断言 assert

x = 'You are right'
type(x)

str

assert type(x)==str,'x is not str'
x = [1,2,3]
type(x)

list

assert type(x)==str,'x is not str'
Traceback (most recent call last):
File"",line 1,in
AssertionError: x is not str

  File "<ipython-input-82-9fc458b9836c>", line 2
    Traceback (most recent call last):
                    ^
SyntaxError: invalid syntax

np.pad()函数进行padding操作

A=np.arange(95,99).reshape(2,2)
A

array([[95, 96],
       [97, 98]])

np.pad(A,((3,2),(2,3)),'constant',constant_values = (0,0))

array([[ 0,  0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  0],
       [ 0,  0, 95, 96,  0,  0,  0],
       [ 0,  0, 97, 98,  0,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  0]])

b=np.array([[[1,2],[3,4]],[[3,4],[7,8]],[[4,5],[1,2]]])
b

array([[[1, 2],
        [3, 4]],

       [[3, 4],
        [7, 8]],

       [[4, 5],
        [1, 2]]])

np.pad(b,((0,0),(1,1),(1,1)),'constant', constant_values = 0)

array([[[0, 0, 0, 0],
        [0, 1, 2, 0],
        [0, 3, 4, 0],
        [0, 0, 0, 0]],

       [[0, 0, 0, 0],
        [0, 3, 4, 0],
        [0, 7, 8, 0],
        [0, 0, 0, 0]],

       [[0, 0, 0, 0],
        [0, 4, 5, 0],
        [0, 1, 2, 0],
        [0, 0, 0, 0]]])

numpy.empty() 创建指定形状和数据类型且未初始化的数组

x=np.empty([3,2],dtype=int)
x

array([[-1860791888,         531],
       [          0,           0],
       [     131074,           0]])

np.full 用于形成元素全为某元素的矩阵

c = np.array([[1,2],[3,4]])
c

array([[1, 2],
       [3, 4]])

c.astype(np.float32)

array([[1., 2.],
       [3., 4.]], dtype=float32)

np.meshgrid() 快速生成网格

x = np.array([1,3,5])
y = np.array([4,6])
XX,YY = np.meshgrid(x,y)
XX

array([[1, 3, 5],
       [1, 3, 5]])

YY

array([[4, 4, 4],
       [6, 6, 6]])

np.hstack() 和 np.vstack() 用于堆叠矩阵

x = np.array([[3,4,5],[1,3,4]])
y = np.array([[1,1,1],[2,2,2]])
np.hstack((x,y))

array([[3, 4, 5, 1, 1, 1],
       [1, 3, 4, 2, 2, 2]])

np.vstack((x,y))

array([[3, 4, 5],
       [1, 3, 4],
       [1, 1, 1],
       [2, 2, 2]])

np.floor 向下取整 np.ceil 向上取整

a = np.array([0.125,0.568,5.688])
np.round(a) 

array([0., 1., 6.])

np.round(a,decimals = 2)

array([0.12, 0.57, 5.69])

np.floor(a) 

array([0., 0., 5.])

np.ceil(a)

array([1., 1., 6.])

python 广播机制

a=np.array([[1,2,3],[4,5,6]])
a=np.array([[1,2,3,6],[4,5,6,6]])
a1=a.reshape((1,2,4))
a1

array([[[1, 2, 3, 6],
        [4, 5, 6, 6]]])

b=np.array([[3,4,5,6],[1,2,3,4],[4,5,5,5]])
b

array([[3, 4, 5, 6],
       [1, 2, 3, 4],
       [4, 5, 5, 5]])

b1=b.reshape((1,3,4)).transpose((1,0,2))
b1

array([[[3, 4, 5, 6]],

       [[1, 2, 3, 4]],

       [[4, 5, 5, 5]]])

a1

array([[[1, 2, 3, 6],
        [4, 5, 6, 6]]])

a1+b1

array([[[ 4,  6,  8, 12],
        [ 7,  9, 11, 12]],

       [[ 2,  4,  6, 10],
        [ 5,  7,  9, 10]],

       [[ 5,  7,  8, 11],
        [ 8, 10, 11, 11]]])

numpy.transpose()转置

c=np.array([[[1,2,5],[3,4,6]],[[4,5,6],[7,8,9]]])
c

array([[[1, 2, 5],
        [3, 4, 6]],

       [[4, 5, 6],
        [7, 8, 9]]])

c.transpose(1,0,2)

array([[[1, 2, 5],
        [4, 5, 6]],

       [[3, 4, 6],
        [7, 8, 9]]])

c.transpose(1,2,0)

array([[[1, 4],
        [2, 5],
        [5, 6]],

       [[3, 7],
        [4, 8],
        [6, 9]]])

a=np.array([2,2,3,4,5,5,6,7])
a[0:7:2]

array([2, 3, 5, 6])

a=np.array([2,2,3,4,5,5,6,7])
a[0::2]

array([2, 3, 5, 6])

a[::-1]

array([7, 6, 5, 5, 4, 3, 2, 2])

a=np.array([2,2,3,4,5,5,6,7])
s=slice(0,7,2)
a[s]

array([2, 3, 5, 6])
靓仔07
关注
Numpy练习题目及答案.docx
07-14
Numpy是Python编程语言中的一个核心库，专用于科学计算，尤其在处理大型多维数组和矩阵时表现强大。这个库提供了高效的数值计算功能，并且包含了许多数学和逻辑操作。以下是一些关于Numpy的基础知识、进阶用法以及...
np.hsplit()与np.vsplit()函数的作用
Vaxue的博客
04-17 7927
np.hsplit与np.vsplit函数的作用np.hsplit()函数的作用np.vsplit()函数的作用 np.hsplit()函数的作用 注意python里索引0为数组中第一个元素 1.np.hsplit(a,2)函数的作用是将数组a横向等分成两个数组。 如图np.hslpit（）函数将ab横向拼接之后的数组c横向切分成2个。 如果不懂np.hstack()函数什么意思的请看博主之前写的...
np.cross()、np.stack()、np.hstack()、np.vstack()、numpy.dstack()、np.split()、np.hsplit()、np.vsplit()函数详解
weixin_64338372的博客
11-21 3087
np.cross()、np.stack()、np.hstack()、np.vstack()、numpy.dstack()、np.split()、np.hsplit()、np.vsplit()函数详解
numpy数组操作
sgcwudi的博客
06-19 251
数组转置 import numpy as np a = np.arange(12).reshape(4,3) print(a) print(a.T) print(np.transpose(a)) [[ 0 1 2] [ 3 4 5] [ 6 7 8] [ 9 10 11]] [[ 0 3 6 9] [ 1 4 7 10] [ 2 5 8 11]] [[ 0 3 6 9] [ 1 4 7 10] [ 2 5 8 11]] 转动轴 rollaxi
Numpy：数组拼接——np.hstack() ； np.vstack()和数组拆分——np.hsplit() ；np.vsplit()用法总结
Yale-曼陀罗
08-24 1750
数组拼接——np.hstack()和np.vstack() 数组拼接： np.hstack():横向拼接，增加特征量 np.vstack():纵向拼接，增加样本个数 实例： import numpy as np a = np.floor(10*np.random.random((2,2))) b = np.floor(10*np.random.random((2,2))) print (a) print ('--------------------') print (b) >>>
【NumPy】深入解析numpy中的vsplit方法
2402_83361138的博客
04-23 1129
如果您在机器学习、NLP项目中遇到难题，或者对某个算法和模型有疑问，欢迎随时联系我，我会尽我所能为您提供帮助，个人微信(xf982831907),添加说明来意。多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。然而，随着数据处理需求的不断增长和计算资源的日益丰富，对多维数组拆分技术的要求也在不断提高。因此，在拆分前需要评估内存使用情况，避免内存不足的问题。
numpy-1.24.0.tar.gz
02-12
《numpy-1.24.0：Python科学计算的核心库》 numpy是Python编程语言中的一个核心库，专为高效处理大型多维数组和矩阵数据而设计。在Python的科学计算领域，numpy扮演着至关重要的角色，是数据分析、机器学习、图像...
numpy-1.16.6.zip
07-07
《numpy-1.16.6.zip：Python数据分析的核心库Numpy详解》 在Python的世界里，数据分析是一项至关重要的任务，而Numpy则是这个领域中的基石。Numpy，全称Numerical Python，是Python编程语言的一个开源库，专门用于...
numpy-1.26.4-cp311-cp311-win-amd64.whl
最新发布
06-15
《numpy-1.26.4-cp311-cp311-win_amd64.whl：Python科学计算库numpy的详细解读》 在Python编程领域，numpy是不可或缺的一个库，尤其对于数据处理、科学计算以及数据分析等任务而言。numpy-1.26.4-cp311-cp311-win_...
numpy np.split、np.hsplit、np.vsplit分割数组
A_pinkpig的博客
04-04 1910
数组分割 函数 数组及操作 np.split 将一个数组分割为多个子数组 np.hsplit 将一个数组水平分割为多个子数组（按列） np.vsplit 将一个数组垂直分割为多个子数组（按行） np.dsplit 在第三个轴上进行深度切割 np.split(ary, indices_or_sections, axis=0) Params: indices_or_s...
numpy数组的拼接和分裂
jayloncheng的博客
05-07 2507
numpy数组的拼接和分裂个人学习笔记！拼接方法：np.concatenate、np.vstack、np.hstack、np.dstack分裂方法：np.split、np.vsplit、np.hsplit、np.dsplit一、数组的拼接1，np.concatenate将数组列表（或元组）作为第一个参数，轴作为第二个参数（默认为axis=0）#一维数组的拼接&gt;&gt;&gt; import ...
numpy中hsplit()、vsplit()、array_split()的使用说明
La+的森林
07-25 3057
每个人有每个人对 numpy 中 hsplit() 和 vsplit() 的解释方法，所以无论怎么去解释它，只要结果正确，是我们想要的就可以。 1. hsplit()函数的使用 numpy 官方说明中的解释是： @array_function_dispatch(_hvdsplit_dispatcher) def hsplit(ary, indices_or_sections): """ ...
numpy中的split方法
frankcreen的专栏
12-26 1万+
numpy.array_split 注：切分array是按照从左至右的顺序切分，不是随机切分！ numpy.array_split(ary, indices_or_sections, axis=0)[source] Split an array into multiple sub-arrays. Please refer to the split documentation. The
Numpy 数组基础操作--索引、组合、分割、复制、遍历、转换、序列化（四）
热门推荐
我喜欢智能化
12-23 6万+
Numpy 数组基础操作 数组访问
np.array_split()&np.split()
coder
03-13 2万+
np.split(): 大小要么按照数字来划分（int），要么是一个list来划分：但是如果你仅是输入一个int类型的数字的话，你的数组必须是均等的分割，否则就会报错，不像array_split()是可以进行不均等的划分的！ >>> x = np.arange(9.0) >>> np.split(x, 3) [array([ 0., 1., 2.]), array([ 3., 4.,
Numpy数组的索引与切片和变形拼接分裂
CDA数据分析师
04-02 417
1.概述 今天我们来讲一下Numpy数组的索引与切片,numpy数组的索引与切片和Python中的切片与索引的作用相同,可以快速的取出数据,进行下一步的运用或者查看,但是两种切片还有一些不同的地方。另外我们可以通过数组的变形拼接分裂快速的对数组进行做出改变,方便我们更快的对数组进行操作。 一、一维数组的索引与切片 ndarray对象的内容可以通过索引或切片来访问和修改，与 Pyth...
python--np.split()函数示例
wenqiwenqi123的博客
03-04 1万+
我发现网上没有多少关于这个numpy.split函数的例子，我只好自己写一个。沿不同轴进行分割，我们直接看例子：import numpy as np A = np.arange(16).reshape(4,4) print('A:',A) print('沿1轴分割为2组：\n',np.split(A,2,axis = 1)) print('沿0轴分割为2组：\n',np.split(A,2,ax...
Python NumPy数据分析实战指南
"《NumPy Cookbook》是一本关于学习Python开源数学库NumPy的书籍，包含70多个有趣的学习配方，旨在帮助用户替代MATLAB进行数据分析。" 在Python的科学计算领域，NumPy是一个不可或缺的库，它为处理大型多维数组和...
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