NumPy（二）

最新推荐文章于 2024-08-23 16:53:34 发布
最新推荐文章于 2024-08-23 16:53:34 发布
阅读量181 收藏
点赞数
分类专栏： Python 文章标签： numpy python 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/m0_62064241/article/details/126061221
版权
本文深入探讨了NumPy中的广播机制，解释了如何处理不同形状的数组进行算术运算，并介绍了统计函数的使用，包括平均值、中位数、标准差和各种其他统计量的计算。此外，还涵盖了NumPy的数据类型、操作文件、随机函数以及数组的其他实用函数，如删除重复元素和排序等。
摘要由CSDN通过智能技术生成

8..广播机制：广播（Broadcast）是numpy对不同形状的数组进行数值计算方式，对数组的算术运算通常在相应的元素上进行

—如果两个数组a和b形状相同，即满足a.shape==b.shape,那么a*b的结果就是a与b数组对应位相乘，这要求维数相同，且各维度的长度相同

—当遇到两个形状不同的数组时，可以利用numpy的广播机制进行算术运算，这种机制的核心是对形状较小的数组，在横向或者纵向上进行一定次数的重复，使其与形状较大的数组拥有相同的维度

 

4x3的二维数组与长为3的一维数组相加，等效于把数组b在二维上重复4次再运算

—广播的规则：I 让所有输入数组都向其形状最长的数组看齐，形状中不足的部分都通过在前面加1补齐

II 输出数组的形状是输入数组形状的各个维度上的最大值

III 如果输入数组形状的各个维度和输出数组的对应维度的长度相同或者长度为1时，这个数组能够用来计算，否则出错

IV 当输入数组的某个维度为1时，沿着此维度运算时都用此维度上的第一组值

—对于广播规则的另一种简单解释：I 将两个数组的维度大小左右对齐，然后比较对应维度上的数值

II 如果数值相等或其中有一个为1或者为空，则能进行广播运算

III 输出的维度大小为取数值大的数值，否则不能进行数组运算

9.统计函数：numpy可以方便地求出统计学常见的描述性统计量

（1）求平均值mean（）：

 

若想求某一维度的平均值，设置axis参数，多维数组的元素指定

 

 

最低0.47元/天 解锁文章
ZSup{A}
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
python numpy二进制存取
Hello Word!
08-03 1748
根据数据特点，调整存储占用的空间大小。 因为数组中全是0和1，所以用单字节（np.int8）存储。如果是浮点或其他格式，可以用其他类型。 # 存 >>> f = open(c, 'ab+') >>>> d1 = np.array([0,0,1], dtype=np.int8) >>> f.write(d1) 3 >>> d2 = np.array([0,1,1], dtype=np.int8) >>> f.wri
numpy学习之六：mean()函数，average()函数，bytes()函数，seed()函数，power()函数
baicaiBC3的博客
12-25 2480
mean()函数 numpy.mean() 函数返回数组中元素的算术平均值。 如果提供了轴，则沿其计算。 算术平均值是沿轴的元素的总和除以元素的数量。 代码示例： # 求算术平均值 def testMean(): """ numpy.mean() 函数返回数组中元素的算术平均值。 如果提供了轴，则沿其计算。 算术平均值是沿轴的元素的总和除以元素的数量。 """ a = np.arange(9).reshape(3, 3) print("数组a：")
python 实现两个数组类型对象对应位置相乘和矩阵相乘
snowplum86的博客
09-18 4386
import numpy as np X=np.array([[2,4,5],[5,3,6]]) #2行3列 Y=np.array([[4,6,3],[4,6,3]]) #2行3列 Z=np.array([[2,4],[5,3],[6,3]]) #3行2列 #两个数组上对应位置相乘，有两种方法 a=np.multiply(X,Y) #这种方法也适用于两个计算对象是列表，如X1=[[2,4,5],[5,3,6]]，Y1=[[4,6,3],[4,6,3]] b=X*Y print('a=','\n',a,'.
python3 numpy二维方法_Python - 二维Numpy数组的交集
weixin_39713219的博客
12-05 1744
我拼命搜索检查两个二维numpy数组是否相交的有效方法。Python - 二维Numpy数组的交集因此，我已经是两个阵列具有二维数组的像的任意量：A=np.array([[2,3,4],[5,6,7],[8,9,10]])B=np.array([[5,6,7],[1,3,4]])C=np.array([[1,2,3],[6,6,7],[10,8,9]])我所需要的是一个真，如果存在至少一个向量与其...
numpy 二维numpy数组转变为灰度图
Vertira的博客
07-08 1119
numpy 二维numpy数组转变为灰度图
python中numpy二维数组数据删除行和列
热门推荐
测试进阶之路
04-06 2万+
一、函数 np.delete(array,obj,axis) 二、函数的意思 array:需要处理的矩阵 obj:需要处理的位置，比如要删除的第一行或者第一行和第二行 axis: 如果输入为None：array会先按行展开，然后按照obj，删除第obj-1(从0开始)位置的数，返回一个行矩阵。 如果输入为0：按行删除 如果输入为1：按列删除 import numpy as np x=np.array[[1,2,3],[4,5,6],[7,8,9]] #二维数组数据 删除行（axis=0）： 二
Numpy二维数组遍历与二维数组切片后遍历效率比较
lllllllllljg的博客
02-24 2935
在python-numpy使用中，可以用双层 for循环对数组元素进行访问，也可以切片成每一行后进行一维数组的遍历。代码如下： import numpy as np import time NUM = 160 a=np.random.random((NUM,NUM)) start = time.time() for i in range(NUM): for j in range(NUM): if a[i][j] == 1.0: pass end1 = t
Numpy 二维数组，按某行或者某列排序
A541925504的博客
10-04 4931
二维数组，按某行或者某列排序 需求：二维数组，按某行或者某列排序 1.numpy.lexsort()不修改原数组，返回索引,小数序列在前，如果要倒叙前面加-负号 2.先对指定行列排序；若有相等值，再根据相等值所在行(或列)排序； 3.若还有想等值，一直往前递推，如果有多行列，顺序为从后往前 4.k[:,:]序列切片，获取全部序列，k[起:末:间隔(行),起:末:间隔(列)]不包含末数据 5.k.T 矩阵转置，行列互换 1.按最后一列排序 Original=np.array([[1,2,6,4],
Numpy二进制文件、文本文件的保存与读取
weixin_46297209的博客
12-24 2831
Numpy文件操作 一：二进制文件 概念：如果一个文件的后缀是 .npy / .npz 则为一个二进制文件 二进制文件生成 np.save(“file_name”,array) 注：save默认保存的为.npy文件，file_name可不加后缀，且只能保存一个数组 arr1 = np.random.random(100).reshape((10,10)) np.save("arr1",arr1) 二进制文件读取 np.load(“file_name”) 注：读取时文件名必须加后缀名 data =
Numpy二维数组叠加为三维数组
菜鸟的进阶之路
04-24 3781
当我们想要将二维数组转换为三维数组时 如下所示 def 2d23d(nums1,nums2): b = np.reshape(nums1,(matlen,matlen,1))#将二维矩阵转为一层的三维矩阵 c = np.reshape(nums2,(matlen,matlen,1)) ret = np.concatenate([b,c],2)#将两个三维矩阵按照第三轴叠加 ...
numpy中实现二维数组按照某列、某行排序的方法
09-20
在Python的科学计算库NumPy中，处理二维数组（矩阵）是常见的任务，尤其是在数据分析和机器学习场景下。本文将详细讲解如何按照二维数组的某列或某行进行排序。 首先，我们需要理解NumPy的`array`对象。这是一个...
python NumPy ndarray二维数组 按照行列求平均实例
09-18
本篇文章将深入探讨如何使用NumPy的`mean()`函数来按照行或列求二维数组的平均值。 首先，让我们创建一个简单的二维数组`c`，如下所示： ```python c = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]]) ``...
Python中的二维数组实例(list与numpy.array)
09-20
Python提供了两种主要的方式来实现二维数组：列表(list)和NumPy库中的数组(array)。这两种方法各有特点，适用于不同的场景。 首先，我们来看Python的列表。列表是最基础的序列类型，它可以包含任意类型的元素，包括...
numpy向空的二维数组中添加元素的方法
09-19
在NumPy中，二维数组可以看作是一个矩阵或者表格，有行(row)和列(column)的概念。在二维数组中，每个元素可以通过两组索引（行索引和列索引）来定位。 接下来，我们了解一个创建空二维数组的方法。在NumPy中，可以...
numpy
01-20
`numpy`是Python数据分析和人工智能领域中最基础的库之一，主要负责高效地处理大型多维数组和矩阵。它提供了一套丰富的数学函数，使得对数组的计算变得简单且快速。以下是一些关于`numpy`的核心知识点： 1. **导入...
如何在Python中使用IP代理
最新发布
IPIPGO的博客
08-23 320
通过以上步骤，你应该已经学会了如何在Python中使用IP代理。无论是单个代理IP、带认证的代理IP，还是批量使用代理IP，这些方法都能帮助你在实际项目中灵活应用。希望这篇文章对你有所帮助，如果你有任何问题或建议，欢迎在评论区留言，我们会尽力为你解答。t=N7T8。
常见面试问题(Python)
jiao_mrswang的博客
08-23 88
5、GIL全局解释锁。
零基础学习人工智能—Python—Pytorch学习（六）
kiba518的博客
08-21 825
前言 本文主要讲神经网络的上半部分。 这篇文章开始有很多公式了，这些公式都很简单，但是如果是不经常在脑海里思考公式的人，那可能需要多花点时间做一下自我训练，个人感觉，也就几天时间，就能把自己感觉给调整出来。 习惯了公式看下面内容就会轻松很多，另外如果要深入学习人工智能，熟练的认知公式也是个必须的事情。 另外，我发现我前面文章写的有歧义的地方还是挺多，虽然，已经改了一部分，但，可能还有没发现的，大...
2024.8.20 Python，链表，二叉树
RaidenMessi的博客
08-20 404
代码逻辑：第一层，对l1.val进行判断，谁小听谁的，目标是输出这个链表，那就要修改这个链表，在第一层的时候，是先进函数，再赋值，所以在第一层的时候还没进行赋值就已经进第二层了，在第二层的时候还没赋值就又进第三层了，以此类推，然后每一次都抛掉一个最小的数。可能之后就理解了吧。我想了下，我决定不管了，就跟二分法当时一样，我直接按逻辑走，谁小谁就去用他的next继续和他刚才的人比，同时输出他自己本身，完事了。链表是线性表，是一维的，保存了现在这个数的值和下一个数的地址，分为表元素域，下一结点链接域，
numpy二维数组访问
06-12
可以通过索引来访问numpy二维数组。索引是一个元组，包含两个整数，第一个整数表示行数，第二个整数表示列数。例如，假设你有一个名为`arr`的二维数组，要访问第3行第4列的元素，可以使用如下代码： ```python ...
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

打赏作者

ZSup{A}

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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