![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
numpy学习指南
ML_BOY
哪怕跑道只剩我一个,我也要跑到终点
展开
-
np.outer 使用
np.outer(a,b)计算矩阵的外积,也就是把a当做列向量,b当做行向量,得到一个n*m的矩阵,例如:np.outer(np.array([3,4]),np.array([2,3]))结果是;array([[ 6, 9], [ 8, 12]])3*2=6 3*3=9,4*2=8,4*3=12就是a中每个元素与b中元素相乘。...原创 2019-12-31 17:07:24 · 4947 阅读 · 0 评论 -
numpy.int0 函数(np.int0)
numpy.int0 (np.int0),这个其实就是numpy.int64(np.int64)原创 2019-12-31 10:07:37 · 12767 阅读 · 0 评论 -
numpy中transpose和swapaxes函数讲解
transpose和swapaxes函数讲解transpose() 这个函数如果括号内不带参数,就相当于转置,和.T效果一样,而今天主要来讲解其带参数。 我们看如下一个numpy的数组: `arr=np.arange(16).reshape((2,2,4)) arr= array([[[ 0, 1, 2, 3], [ 4, 5, 6, 7]], [[ 8原创 2017-04-23 19:34:53 · 51174 阅读 · 14 评论 -
numpy 中 newaxis函数的使用
numpy 中 newaxis函数的使用原创 2017-06-12 20:10:19 · 13663 阅读 · 0 评论 -
numpy中argsort()函数的使用
numpy中argsort()函数的使用还是依旧,直接从代码看:import numpy as npy=np.array([7,9,8])argsort()y.argsort()Out[74]:array([0, 2, 1])argsort()函数返回的是数组从小到大值所对应的索引。原创 2017-09-29 22:26:57 · 1179 阅读 · 0 评论 -
Python中数组,列表:冒号的灵活用法(np数组,列表倒序)
Python中数组,列表:冒号的灵活用法(np数组,列表倒序)让我们来看一个例子:import numpy as npx=np.array([[1,2,3],[5,6,7],[7,8,9]])print(x)Out[64]:array([[1, 2, 3], [5, 6, 7], [7, 8, 9]])以上的结果我想大家应该没问题把,就是定义了一个np数组,关键在下原创 2017-10-01 22:43:46 · 25769 阅读 · 5 评论 -
Numpy 中clip函数的使用
Numpy 中clip函数的使用numpy.clip(a, a_min, a_max, out=None)[source]其中a是一个数组,后面两个参数分别表示最小和最大值,怎么用呢,老规矩,我们看代码:import numpy as npx=np.array([1,2,3,5,6,7,8,9])np.clip(x,3,8)Out[88]:array([3, 3, 3, 5, 6, 7, 8原创 2017-10-02 10:56:32 · 146396 阅读 · 7 评论 -
numpy 中pad讲解
numpy 中np.pad的用法pad(array, pad_width, mode, **kwargs) 1、其中array代表需要填充的代码 2、pad_width 表示每个维度左右两边填充的数量,mode表示填充模式,可以是等值填充,常数填充等, 具体我们看一个例子:x=np.arange(8).reshape(2,2,2)k = np.pad(x,pad_width=((2,3),(原创 2017-12-08 19:53:07 · 4200 阅读 · 0 评论 -
numpy 和tensorflow中argmax(),argmin()函数使用讲解
在使用argmax()函数时,比如在深度学习里面计算acc经常要用到这个参数,这个参数返回的是沿轴axis最大值的索引值,对于,tensorflow和numpy用法是一样的,此处我就用numpy来举例说明。argmax(a, axis=None, out=None)# a 表示array# axis 表示指定的轴,默认是None,表示把array平铺,# out 默认为None,如果指定,那么原创 2018-01-03 11:21:07 · 26735 阅读 · 1 评论