numpy基础 import numpy #引入numpy这个包 import numpy as np #引入numpy这个包并改名为np numpy.array的性质 nparr = np.array([i for i in range(10)]) #np.array只能存一种类型,定义之后如果再加其他类型的数据会强制转换 nparr #np.array里元素可以是向量跟矩阵 nparr.dtype #表示nparr里的数据类型 nparr = np.array([1, 2, 3.0,4]) #初始化成浮点类型 nparr.dtype nparr.ndim #数组是几维的 如果是矩阵就是2维的 nparr.shape #数组是什么形状的 nparr.size #数组的所有元素有几个 x = nparr.reshape(2,-1) #表示将nparr变成2行x列的矩形(x自动计算),同时nparr原来的值是不变的 subx = x[:2, :1] #代表对x进行切片,如果改变subx的值,x也会改变,改变x的值,subx也会改变 subx = x[:2, :1].copy() #如果获得一个副本 subx改变,x就不会变了 subx[0][0] = 100 A = np.full(shape=(2,2), fill_value=100) B = np.full(shape=(2,2), fill_value=10) mix = np.concatenate([A,B]) #这样直接合并是把列维数相同的两个矩阵堆在一起,如果维数不同报错,也可以三个[a,b,c] mix = np.concatenate([A,B], axis = 1) #axis=0是默认的,是竖直放(又来了样本); =1是水平放(增加特征) mix = np.vstack([A,B]) #将数组竖直拼接 mix = np.hstack([A,b]) #将数组水平拼接 x = np.arange(10) x1, x2, x3 = np.split(x, [3,7]) #将数组以3,7为分界点分成了3快 a = np.arange(16).reshape(4,4) a1,