numpy函数小结

2 篇文章 0 订阅
2 篇文章 0 订阅

1、np.zero(10)     创建一个包含10个元素的一维数组

     np.ones((10,10))     创建一个包含10*10个元素1的二维数组

2、np.arange(10,50)     创建一个一维数组包含10-49所有的整数

3、np.arange(9).reshape(3,3)     重构为3*3的数组

4、arr.nonzero()     筛选出非零元素,结果为(非零数组,数据类型)

5、np.eye(3)     生成3*3的单位数组

6、np.random.random(数组规格)     生成随机数组

     np.random.randint(最小值,最大值,数组规格)     生成规定范围整数的随机数组

7、arr.max();arr.min()     数组的最值

8、arr.mean()     数组的平均值

9、np.pad(arr,pad_with=常数,mode='constant',constant_values=常数)     为数组周边生成边界

10、np.diag(arr,k=-1)     读取对角线或生成对角数组(可设定偏移值)

11、np.unravel_index(99,(6,7,8))     对于6*7*8的数组,找出第100个元素所在的位置

12、np.tile(arr,(4,4))     在规格为4*4的数组中,用arr重复填充

13、np.dot(arr1,arr2)     数组相乘(同矩阵的乘法操作)

14、np.intersect1d(arr1,arr2)     求两个数组的交集

15、np.datetime64('today','D')     今天的日期

       np.timedelta64(1,'D')     一天的时间(与上面的相减得到昨天的时间,相加得到明天的时间)

       np.arange('2016-07','2016-08',dtype='datetime64[D]')     得到某一区间内所有日期

16、np.add、np.substract、np.negative、np.divide、np.multiply     数组的加、减、取负、常数相除、点对点相乘

17、np.ceil(arr)     小数取整上界

       np.flour(arr)     小数取整下界

       np.trunc(arr)     小数取整

18、arr.astype(类型)     强制转换类型

19、np.sort(arr)     数组排序

20、np.linspace(0,1,11,endpoint=False)     将[0,1)分成11份,其中1取不到

21、np.sum(arr)     数组取和

       np.add.reduce(arr)     数组取和(小数据量更快)

22、np.allclose(arr1,arr2)     判断数组是否相等(误差极小)

       np.array_equal(arr1,arr2)     判断数组是否相等

23、np.arctan2(y,x)       求arctan(y/x)

       np.arctan(x)      求arctanx

24、arr.argmax()      获得最大元素的索引

       arr.argmin()     获得最小元素的索引

25、np.meshgrid(arr1,arr2)     构成网系坐标(arr['x'],arr['y']=np.meshgrid(arr1,arr2))

26、np.random.choice(a, size=None, replace=True, p=None)   从数组a中随机抽取元素,组成size大小的数组。replace为True表示可以取相同数字,false表示不可以取相同数字。数组p与数组a对应,代表a每个元素的抽取概率,默认每个元素的概率相同

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我可以为您总结一下Numpy数组与矩阵运算实验的内容。 Numpy是Python中用于科学计算的一个重要的库,它提供了高性能的多维数组对象以及各种计算和操作这些数组的函数Numpy数组与矩阵运算实验主要包括以下内容: 1. Numpy数组的创建与索引:可以使用Numpy提供的array()函数创建一维或多维数组,并且可以使用索引和切片来访问数组中的元素。 2. Numpy数组的基本运算:Numpy提供了基本的数组运算,包括加、减、乘、除等,可以对数组进行逐元素的运算。 3. Numpy数组的聚合运算:Numpy提供了一些常用的聚合函数,比如sum()、min()、max()、mean()等,可以对数组中的元素进行聚合运算。 4. Numpy数组的逻辑运算:Numpy提供了逻辑运算符,可用于数组中元素的逻辑判断,如and、or等。 5. 矩阵的创建与运算:Numpy提供了矩阵对象,可使用matrix()函数创建矩阵,矩阵之间的运算包括加、减、乘、转置等。 6. 广播:Numpy提供了广播功能,可以使得不同形状的数组在运算时具有相同的形状。 通过实验练习,可以掌握Numpy数组与矩阵运算的基本操作,如数组创建、索引、运算、聚合、逻辑运算以及矩阵创建、运算、转置等。同时,实验也会涉及到一些高级的Numpy应用,比如随机数生成、线性代数运算、数组的拼接、切分和重塑等,这些内容需要结合实际应用场景进行练习。 总的来说,Numpy数组与矩阵运算实验是Python科学计算中非常重要的部分,需要反复练习和实践,才能掌握这些知识点并灵活运用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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