numpy基本用法

最新推荐文章于 2024-08-31 18:10:31 发布
最新推荐文章于 2024-08-31 18:10:31 发布
阅读量538 收藏 4
点赞数 1
分类专栏： python数据分析 文章标签： python 线性代数 机器学习
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/qq_42281116/article/details/120363873
版权

numpy基本用法

学习python mooc学习笔记

数据

一维数据

  • 一维数据由对等关系的有序或无序数据构成，采用线性方式组织。
  • 一维数据：列表和集合类型
  • 列表和数组
  • 一组数据的有序结构
  • 列表：数据类型可以不同
  • 数组：数据类型相同

二维数据和多维数据

  • 二维数据由多个一维数据构成，是一维数据的组合形式。
  • 表格是典型的二维数据
  • 多维数据由一维数据或二维数据在新的维度上拓展形成。
  • 高维数据仅利用最基本的二元关系展示数据间的复杂结构。比如json

Numpy

NumPy是一个开源的python科学计算基础库。

  • 一个强大的N维数组对象ndarray

  • 广播功能函数

  • 整合c/c++/Fortran代码工具

  • 线性代数、傅里叶变换、随机数生成等功能
    Numpy的引用：import numpy as np,建议使用np作为numpy的别名。

  • 数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据

  • 设置专门的数组对象，经过优化，可以提升这类应用的运算速度。

  • 数组对象采用相同的数据类型，有助于节省运算和存储空间

N维数组对象：ndarray

ndarray是一个多维数组对象，由两部分构成：

  • 实际的数据
  • 描述这些数据的元数据（数据维度、数据类型等）
    ndarray数组一般要求所有元素相同，数组下标从0开始。
ndarray数组创建
  • np.array()生成一个ndarray数组
  • np.array()输入成[]形式，元素由空格分割。
  • 轴：保存数据的维度；秩：轴的数量
    在这里插入图片描述
ndarray的元素类型

在这里插入图片描述

ndarray数组的创建方法
  • 从python中的列表、元组等类型创建ndarray数组
  • 使用Numpy中函数创建ndarray数组，如arange，ones，zeros等。
  • 从字节流中创建ndarray数组
  • 从文件中读取特定格式，创建ndarray数组。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

ndarray数组的变换

  • 对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换。
    在这里插入图片描述

  • astype()方法一定回创建新的数组（原始数据的一个拷贝）,即使两个类型一致。

ndarray数组向列表转换
  • ls = a.tolist()

在这里插入图片描述

数组的操作

数组的索引和切片
1、索引：获取数组中特定位置元素的过程。
2、切片：获取数组元素子集的过程。
在这里插入图片描述
在这里插入图片描述

ndarray的运算
  • 数组与标量之间的运算
  • 数组与标量之间的运算作用于数组的每一个元素

在这里插入图片描述

对ndarray中的数据执行元素级运算的函数

函数说明
np.abs(x) np.fabs(x)计算数组各元素的绝对值
np.sqrt(x)计算数组各元素的平方根
np.square(x)计算数组各元素的平方
np.log(x) np.log10(x) np.log2(x)计算数组各元素的自然对数、10底对数和2底对数
np.ceil(x) np.floor(x)计算各元素的ceiling值和floor值
np.rint(x)计算数组各元素的四舍五入值
np.modf(x)将数组各元素的小数和整数部分以连个独立数组形式返回
np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x)计算数组各元素的普通型和双曲线型三角函数
np.exp(x)计算数组各元素的指数值
np.sign(x)计算数组各元素的符号值

Numpy二元函数

在这里插入图片描述

numpy存储和函数

CSV文件

CSV是一种常见的文件格式，用来存储批量数据，采用逗号分隔。
CSV文件只能有效存储一维或二维数组

np.savetxt(frame,array,fmt='%.18e',delimiter=None)
# frame:文件、字符串或产生器，可以是.gz或.bz2的压缩文件
#array:纯如文件的数组。
#fmt：写入文件的格式，例如%d %.2f %.18e
#delimiter:分割字符串，默认是任何空格。
#dtype:数据类型，可选
#unpack：如果True，读入属性将分别写入不同变量。
np.loadtxt(frame,dtype=np.float,delimiter=None,unpack=False)
多维数据的存取
a.tofile(frame,sep='',format='%s')
#frame:文件或字符串
#sep:数据分割字符串，如果是空串，写入文件为二进制。
#format:写入数据的格式。
#dtype:读取的数据类型。
#count：读入元素个数，-1表示读入整个文件。
#sep：数据分割字符串，如果是空串，写入文件为二进制。
np.fromFile(frame,dtype=float,count=-1,sep='')
NumPy的便捷文件存取

在这里插入图片描述

NumPy随机数函数

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
例子：

在这里插入图片描述
在这里插入图片描述

NumPy统计函数

在这里插入图片描述
在这里插入图片描述

例子：

在这里插入图片描述

NumPy梯度函数
函数说明
np.gradient(f)计算数组f中元素的梯度，当f为多维时，返回每个维度梯度

梯度：连续值之间的变化率，即斜率。
在这里插入图片描述
文章参考自MOOC python课程.

弹一个吐司
关注
专栏目录
numpy 用法总结
Dear_learner的博客
05-31 4250
简介 numpy 是Numerical Python的简称，是高性能的科学计算和数据分析的基础包，包含了大量的矩阵和数组的计算函数。下面来详细了解一下numpy的用法。 # 安装 numpy pip install numpy # 查看numpy的版本 numpy.__version__ # 导入numpy import numpy as np 一、创建ndarray ndarray：numpy中最基础的数据结构，一种多维的数组对象。 创建数组最简单的方法是使用array函数，它接受一切序列的对象，然后产
Numpy基本用法
zx759174597的博客
05-29 416
Numpy的基本用法 Numpy是python最常用的一个库，功能十分的强大。Ndarray是一个具有矩阵运算和复杂广播的能力。这里我们记录一些比较常用的矩阵表达式。 1.ndarry创建 ###array函数可以创建一维或者多维ndarray numpy.array(object,dtype=None,copy=True,ndmin=0) 相关代码如下： arr1 = np.array([1,2,3,4]) arr2 = np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]]
numpy基本用法讲解
qq_46244851的博客
09-28 594
目录1.创建数组的方法：2.数组的切片操作及改变数组形状的方法3.矩阵运算4.数组中元素运算操作 1.创建数组的方法： 最基本：a=np.array([1,2]),将传入的python列表转化为np数组，注意：源数据是ndarray数据时，array是创建一个新的数组，而 asarray仍旧使用原来的数据源。所以使用asarray创建的数组改变时，原数组也改变了，一般我们都用array. import numpy as np a=np.arange(0,10,2)#创建起始为0，结束为10,但是不包括1
这是我见过最好的NumPy图解教程！
最新发布
2401_86168842的博客
08-31 858
NumPy是Python中用于数据分析、机器学习、科学计算的重要软件包。它极大地简化了向量和矩阵的操作及处理。python的不少数据处理软件包依赖于NumPy作为其基础架构的核心部分（例如scikit-learn、SciPy、pandas和tensorflow）。除了数据切片和数据切块的功能之外，掌握numpy也使得开发者在使用各数据处理库调试和处理复杂用例时更具优势。
Numpy入门基础用法
我可能只是个小白
02-28 297
numpy的引入 如何保存数据 python原生数据结构支持list和dict，虽然很灵活，但空间占用率和时间效率不高。 类型不做限制 空间内可以保存不同的数据结构 优点是灵活，缺点是效率低 a1 = [1, 2] a1.append('star') a1 ------------------------------------------------------------------...
numpy基本用法介绍
pray_HKY的博客
02-24 903
Numpy的介绍 NumPy 是 Python 语言的一个第三方库，其支持大量高维度数组与矩阵运算。 是一个开源的python科学计算库，它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。 NumPy 也针对数组运算提供大量的数学函数。机器学习涉及到大量对数组的变换和运算， NumPy 就成了必不可少的工具之一。 Numpy还包括了许多数学函数，线代、随机数生成等 Numpy可以取代一些数学软件 Python + Numpy == Matlab NumPy
python之numpy的基本使用
热门推荐
cxmscb的博客
01-17 34万+
一、numpy概述numpy模块提供了python对N维数组对象的支持：ndarray，ndarray数组中的元素须为同一数据类型，这一点与python的列表是不一样的。numpy支持高级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。二、创建ndarray数组代码示例：# -*- coding: utf-8 -*-import numpy;print '使用列表生成一维数组' d
numpy基本使用方法示例
12-16
**numpy基本使用方法示例** 在Python编程领域，NumPy是一个不可或缺的库，它提供了强大的数值计算和数组操作功能。本教程将深入介绍NumPy的基本使用方法，包括数组创建、数组属性、数组操作、数学函数应用以及数据...
Numpy基本使用方法
nicexiangshuai的博客
06-04 285
Numpy基本使用方法 numpy简介 numpy、scipy和matplotlib组合使用代替matlab。numpy主要用于科学计算。 n维数组ndarray 1.ndarray.ndim 定义维度的数量 2.ndarray.shape 数组的维度 3.ndarray.size 数组元素的总个数 4.ndarray.dtype 元素类型 5.ndarray.data 包含实际数组元素的缓冲 创建 a = np.arange(15).reshape(3,5) print(a) >>>[[
NumPy 基本切片和索引的具体使用方法
09-19
本文将深入讲解NumPy的基本切片和索引的使用方法。 首先，我们要了解NumPy数组的索引方式。NumPy数组支持标准Python索引语法`x[obj]`，其中`x`是数组，`obj`是选择元素的方式。根据`obj`的不同类型，索引分为三种：...
numpy常见用法
宁悦的博客
08-30 881
目录 一、numpy数组的创建 1.1 手动创建 1.2 调用numpy函数创建 1.3 创建连续数组 二、numpy数据类型以及本身操作 2.1 numpy的数据类型及转换 2.2 numpy数组的shape即转换 三、取numpy数组中的值 3.1切片索引 3.2布尔索引 3.3 花式索引 四、numpy数组的计算 4.1 numpy数组本身的计算 4.2 与其...
Numpy的用法详细总结
真正的英雄主义，是看清生活的真相后依然热爱生活
02-26 9293
Numpy（Numerical Python），Python的一种开源的数值计算扩展
Numpy的基本用法
lijf2001的博客
07-07 512
Numpy是一个python用来处理数学问题的包，全程是Numerical Python。 其最重要的一点就是，提供了n维数组，弥补了list的不足。 而且Numpy还有一个优势，就是快。它可以利用矩阵的计算优化，比用循环计算要快很多。.........
numpy的基础用法
paul0926的博客
01-07 466
初识Numpy NumPy是一个Python包，它是一个由多维数组对象和用于处理数组的例程集合组成的库。 通过Numpy，可以进行如下操作： 数组的算数和逻辑运算。 傅立叶变换和用于图形操作的例程。 与线性代数有关的操作，NumPy 拥有线性代数和随机数生成的内置函数。 现在一般通过Numpy、Scipy（Scientific Python）和Matplotlib（绘图库）结合来替代MatLa...
numpy 的基本使用
亦萧的博客
02-26 772
①创建行向量 # 方法一 a1 = np.array([[1, 2, 3, 4]]) print(a1.shape) # >> (1, 4) # 方法二 a2 = np.array([[1, 2, 3, 4]]).reshape(1, -1) print(a2.shape) # >> (1, 4) ②创建列向量 # 方法一 b1 = np.array([[5], [6], [7], [8]]) print(b1.shape) # >> (4, 1) # 方法
Numpy常见用法
qq_37443333的博客
01-08 434
Numpy常见用法 作者整理这一篇文章是方便那些学习过Numpy，但是太久没看而遗忘的人 ①基本属性 ②创建array import numpy as np a = np.array([2,3,4],dtype=np.int) b = np.array([2,3,4],dtype=np.float) c = np.array([[1,2],[3,4]]) d = np.zeros((3,...
numpy基础用法整理(创建,运算符,索引,常用函数)
m0_61809818的博客
05-06 1154
目录 1 numpy是什么？ 2 numpy数组 3 基础用法 1 创建numpy数组的方式 1 从已有数据创建 2 生成元素为0的数组 3 生成随机数的数组 2 创建多维数组 3 numpy数组的基本运算 1 加减乘除（乘法是对应元素相乘） 2 矩阵乘法要用dot 4 切片操作 5 数组属性 6 数组特殊运算符 1 sum,max,min等方法 2 转置 3 求解方程组 7 索引的进阶 1 花式索引 2 布尔屏蔽 3 缺省索引 4 where 学nump.
Numpy用法详细总结：学习numpy如何使用，看这一篇文章就足够了
阿旭的博客
02-24 7598
Numpy用法详细总结一、创建ndarray及查看数据类型1. 使用np.array()由python list创建图片与array数组的关系2. 使用np的常用函数创建二、ndarray的常用属性三、ndarray的基本操作1、索引2、切片拼图小游戏：把女孩放在老虎背上3、变形4、级联推广5、切分6、副本四、ndarray的聚合操作1、求和推广练习：给定一个4维矩阵，如何得到最后两维的和？2、最值3、其他聚合操作思考题：如何根据第3列来对一个5*5矩阵排序？排序五、ndarray的矩阵操作1. 基本矩阵操
numpy的基本用法和使用案例
07-14
下面是NumPy的基本用法和使用案例： 1. 导入NumPy库： ```python import numpy as np ``` 2. 创建数组： ```python # 通过列表创建一维数组 arr1 = np.array([1, 2, 3, 4, 5]) # 通过列表创建二维数组 ...
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
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