Numpy的一些常用功能，以备查询

最新推荐文章于 2024-05-18 07:30:00 发布

lzrocking

最新推荐文章于 2024-05-18 07:30:00 发布

阅读量475

点赞数 1

分类专栏：计算机基础知识 numpy

计算机基础知识同时被 2 个专栏收录

2 篇文章 0 订阅

订阅专栏

numpy

1 篇文章 0 订阅

订阅专栏

原文：NumPy Cheat Sheet — Python for Data Science

译文：【NumPy】NumPy实战

NumPy是使Python能够快速处理数据的库。最初于1995年以“Numeric”推出的NumPy是构建许多重要的Python数据科学库的基础，包括Pandas，SciPy和scikit-learn。

本文中，我们使用以下简写：
arr：一个NumPy数组对象

需要导入numpy才能开始使用：

import numpy as np

导入/导出

np.loadtxt('file.txt')| 从文本文件
np.genfromtxt('file.csv',delimiter=',')| 从CSV文件
np.savetxt('file.txt',arr,delimiter=' ')| 写入文本文件
np.savetxt('file.csv',arr,delimiter=',')| 写入CSV文件

创建数组

矩阵操作

import numpy as np
# 矩阵的创建
    A = np.mat([[1, 2], [3, 4]])
    print(A)

    # 矩阵的属性
    print(A.shape)  # 返回矩阵的行数和列数
    print(A.T)  # 矩阵的转置
    print(A.I)  # 矩阵的逆矩阵

    # 获取矩阵的元素
    print(A[1, 1])  # 获取矩阵A中第一行第一列的元素（索引从0开始计算）
    print(A[0])  # 获取矩阵的第一行
    print(A[:, 0])  # 获取矩阵的第一列
    print(A[1, :])  # 获取矩阵的第二行

    # 矩阵的基本运算
    B = np.mat([[5, 6], [7, 8]])
    print(A+B)  # 矩阵的加法
    print(A-B)  # 矩阵的减法
    print(10*A)  # 矩阵的数乘
    print(A*10)

    print(A * B)  # 矩阵的逐个元素的乘法，与常规定义不一样
    print(B * A)
    print(A.dot(B))  # 矩阵的乘法，常规定义
    print(B.dot(A))

    p = np.mat([10, 100])
    print(A + p)  # 矩阵和向量的加法，矩阵的每一行都与向量相加，，线性代数也没有这种运算
    print(A + 1)  # 矩阵的每一个元素相加1

    print(A.dot(p))  # 矩阵和向量的乘法
--------------------- 
作者：one-fine 
来源：CSDN 
原文：https://blog.csdn.net/jiduochou963/article/details/89301403 
版权声明：本文为博主原创文章，转载请附上博文链接！

检查属性

复制/排序/整形

添加/删除元素

np.append(arr,values)| 将值附加到arr
np.insert(arr,2,values)|的末尾将值插入到arr索引2
np.delete(arr,3,axis=0)| 之前删除|的索引上3的行 arr
np.delete(arr,4,axis=1)在指数删除列4的arr

合成/分离

索引/切片/子集

标量数学

矢量数学

统计

lzrocking

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
Numpy的一些常用功能，以备查询

原文：NumPy Cheat Sheet — Python for Data Science译文：【NumPy】NumPy实战NumPy是使Python能够快速处理数据的库。最初于1995年以“Numeric”推出的NumPy是构建许多重要的Python数据科学库的基础，包括Pandas，SciPy和scikit-learn。本文中，我们使用以下简写：arr：一个NumPy数组对象需要...
复制链接

扫一扫