网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
-
🧥3.1.4 除法
-
🧥3.2 数组与数组的计算
-
- 💎3.2.1 广播原则
-
⚽3.2.2 加法
-
🏀3.2.2 减法
-
🏅3.2.2 乘法
-
💉3.2.2 除法
-
⚒结语
🐚作者简介: 苏凉(在python路上)
🐳博客主页: 苏凉.py的博客
👑名言警句: 海阔凭鱼跃,天高任鸟飞。
📰要是觉得博主文章写的不错的话,还望大家三连支持一下呀!!!
👉关注✨点赞👍收藏📂
=======================================================================
numpy通常可以和matplotlib一起使用。两者相结合可以更有效的帮助我们进行数据的分析。
接下来我们一起进入python的科学计算基础库numpy的学习吧。
前期回顾:matplotlib绘制数据可视化图形
=================================================================================
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持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。
NumPy 是一个运行速度非常快的数学库,主要用于数组计算,包含:
1.一个强大的N维数组对象 ndarray
2.广播功能函数
3.整合 C/C++/Fortran 代码的工具
4.线性代数、傅里叶变换、随机数生成等功能
NumPy 通常与 SciPy(Scientific Python)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。
pip install numpy -i https://www.pypi.douban.com/simple
import numpy as np
=====================================================================================
注:Python 没有内置对数组的支持,但可以使用 Python 列表代替。
使用array的三种方法创建数组,返回的数组类名为numpy.ndarray类
a = np.array([5,6,7,8,9])
b = np.array(range(5,10))
c = np.arange(5,10)
print(a,type(a))
print(b,type(b))
print(c,type©)
结果:[5 6 7 8 9] <class ‘numpy.ndarray’>
使用dtype方法可以返回数据类型
print(a.dtype,b.dtype,c.dtype)
结果:int32 int32 int32
附:numpy中常见的数据类型:
🎎3.1 定义数据类型
使用dtype参数指定数据类型
x1 = np.array(range(5,10),dtype = ‘float’)
print(x1,x1.dtype)
结果: [5. 6. 7. 8. 9.] float64
bool类型返回true和false
x2 = np.array([0,1,1,0,1,0,1],dtype=bool)
print(x2,x2.dtype)
结果:[False True True False True False True] bool
🎐3.2 调整数据类型
调整数据类型用到astype方法,可以将原数据类型调整到我们想要的数据类型
x3 = np.array(range(5,10),dtype = ‘int8’)
x4 = x3.astype(‘int32’)
print(x3.dtype,x4.dtype)
结果:int8 int32
🎑3.3 保留n位小数
在numpy中保留n位小数用到的是round方法
例:保留3位随机小数
x5 = random.random()
x6 = np.round(x5,3)
print(x6)
结果:0.313
=============================================================================
数组分为一维数组,二维数组和多维数组。接下来就让我们一起看看在numpy中如何对数组进行操作的吧!!
shape()方法查看数组形状可以判断出这是几维数组
🎗1.1 创建一维数组
a = np.array(range(13))
print(a,a.shape)
结果:
🎠1.2 创建二维数组
a1 = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(a1)
print(a1.shape)
结果:
🎡1.3 创建三维数组
a2 = np.array([[[1,2,3],[4,5,6],[7,8,9],[10,11,12]]])
print(a2)
print(a2.shape)
结果:
可以看出shape方法返回的值中有多少个该数组就是几维数组。
在numpy中用reshape()方法修改数组的形状可以将n维数组修改到m维数组。
🎪2.1 将1维数组变为3维数组
a3= np.array(range(24))
print(a3.shape) #原a3为1维数组
a4 = a3.reshape(2,3,4)
print(a4)
print(a4.shape)
结果:
🎭2.2 将3维数组变到1维数组
a5 = a4.reshape(24,)
print(a5)
print(a5.shape)
结果:
在numpy中将多维数组变到1维数组还有一种方法,那就是flatten()方法,这种方法适用于我们不知道有多少个数组元素时使用。
a5 = a4.flatten()
print(a5)
print(a5.shape)
结果和上面相同。
🎰3.1 数组与数字的计算
🛒3.1.1 加法
数组内的每个元素都加上这个数。
import numpy as np
a = np.array(range(24))
b = a.reshape(4,6)
print(b)
print(b+1)
结果:
🧣3.1.2 减法
做了那么多年开发,自学了很多门编程语言,我很明白学习资源对于学一门新语言的重要性,这些年也收藏了不少的Python干货,对我来说这些东西确实已经用不到了,但对于准备自学Python的人来说,或许它就是一个宝藏,可以给你省去很多的时间和精力。
别在网上瞎学了,我最近也做了一些资源的更新,只要你是我的粉丝,这期福利你都可拿走。
我先来介绍一下这些东西怎么用,文末抱走。
(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
(4)200多本电子书
这些年我也收藏了很多电子书,大概200多本,有时候带实体书不方便的话,我就会去打开电子书看看,书籍可不一定比视频教程差,尤其是权威的技术书籍。
基本上主流的和经典的都有,这里我就不放图了,版权问题,个人看看是没有问题的。
(5)Python知识点汇总
知识点汇总有点像学习路线,但与学习路线不同的点就在于,知识点汇总更为细致,里面包含了对具体知识点的简单说明,而我们的学习路线则更为抽象和简单,只是为了方便大家只是某个领域你应该学习哪些技术栈。
(6)其他资料
还有其他的一些东西,比如说我自己出的Python入门图文类教程,没有电脑的时候用手机也可以学习知识,学会了理论之后再去敲代码实践验证,还有Python中文版的库资料、MySQL和HTML标签大全等等,这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!