Numpy库的使用
文章平均质量分 68
算法程序员&mlh
这个作者很懒,什么都没留下…
展开
-
10、Numpy库---通用函数
Numpy库---通用函数原创 2022-03-22 22:31:27 · 741 阅读 · 0 评论 -
9、Numpy库---Axis理解
@[TOC](Numpy库---Axis理解)之前的课程中,为了方便大家理解,我们说axis=0代表的是行,axis=1代表的是列。但其实不是这么简单理解的。这里我们专门用一节来解释一下这个axis轴的概念。==除了delete用axis=0表示行以外,其他的大部分函数都是axis=1来表示行。==**简单来说, 最外面的括号代表着 axis=0,依次往里的括号对应的 axis 的计数就依次加 1**。什么意思呢?下面再来解释一下。原创 2022-03-21 21:08:43 · 946 阅读 · 0 评论 -
8、Numpy库---np.random模块
@[TOC](Numpy库---np.random模块)np.random为我们提供了许多获取随机数的函数。这里统一来学习一下。## 1、np.random.seed:用于指定随机数生成时所用算法开始的整数值,如果使用相同的seed()值,则每次生成的随即数都相同,如果不设置这个值,则系统根据时间来自己选择这个值,此时每次生成的随机数因时间差异而不同。一般没有特殊要求不用设置。原创 2022-03-21 19:34:12 · 522 阅读 · 0 评论 -
7、Numpy库---NAN和INF值处理
@[TOC](Numpy库---NAN和INF值处理)概述:首先我们要知道这两个英文单词代表的什么意思,1、NAN:Not A number,不是一个数字的意思,但是他是属于浮点类型的,所以想要进行数据操作的时候需要注意他的类型。2、INF:Infinity,代表的是无穷大的意思,也是属于浮点类型。np.inf表示正无穷大,-np.inf表示负无穷大,一般在出现除数为0的时候为无穷大。比如2/0。## 1、NAN一些特点:1、NAN和NAN不相等。原创 2022-03-21 16:23:42 · 2126 阅读 · 0 评论 -
6、Numpy库---文件操作
@[TOC](Numpy库---文件操作)## 1、操作CSV文件:### 1.1 文件保存:有时候我们有了一个数组,需要保存到文件中,那么可以==使用np.savetxt来实现==。相关的函数描述如下:> 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 : 存入文件的数组>* fmt : 写入文件的格式,例如:%d %.2f %.18e原创 2022-03-21 10:25:51 · 487 阅读 · 0 评论 -
5、Numpy库---深拷贝和浅拷贝
@[TOC](Numpy库---深拷贝和浅拷贝)## 深拷贝和浅拷贝在操作数组的时候,它们的数据有时候拷贝进一个新的数组,有时候又不是。这经常是初学者感到困惑。下面有三种情况:### 1、不拷贝:如果只是简单的赋值,那么不会进行拷贝。==不进行变量的拷贝==。示例代码如下:```python原创 2022-03-21 09:53:40 · 305 阅读 · 0 评论 -
4、Numpy数组索引、切片与值的替换
@[TOC](Numpy数组索引、切片与值的替换)## 1、索引与切片:### 1.1 获取某行的数据::示例代码如下:```python# 1. 如果是一维数组a1 = np.arange(0, 29)print(a1[1]) # 获取下标为1的元素#结果为:1原创 2022-03-20 22:50:33 · 2996 阅读 · 0 评论 -
3、Numpy数组操作---第5节矩阵转置
@[TOC](Numpy数组操作)**本节内容紧接上一篇内容,同属于数组操作的章节。**## 5、数组(矩阵)转置和轴对换:1、numpy中的数组其实就是线性代数中的矩阵。矩阵是可以进行转置的。ndarray有一个T属性,可以返回这个数组的转置的结果。示例代码如下: ```python#ndarray有一个T属性,可以返回这个数组的转置的结果。a1 = np.arange(0,24).reshape((4,6))print(a1)原创 2022-03-20 22:15:25 · 10428 阅读 · 0 评论 -
3、Numpy数组操作
@[TOC](Numpy数组操作)## 1、数组广播机制:### 1.1 数组与数的计算:在Python列表中,想要对列表中所有的元素都加一个数,要么采用map函数,要么循环整个列表进行操作。但是NumPy中的数组可以直接在数组上进行操作。示例代码如下:```pythonimport numpy as npa1 = np.random.random((3,4))print(a1)原创 2022-03-19 22:57:29 · 768 阅读 · 0 评论 -
2、NumPy数组基本用法
@[TOC](NumPy数组基本用法)(1)Numpy是Python科学计算库,用于快速处理任意维度的数组。(2)NumPy提供一个==N维数组类型ndarray==,它描述了==相同类型==的“items”的集合。(3)numpy.ndarray支持向量化运算。(4)NumPy使用c语言写的,底部解除了GIL,其对数组的操作速度不在受python解释器限制。## 1、numpy中的数组:Numpy中的数组的使用跟Python中的列表非常类似。他们之间的区别如下:原创 2022-03-18 21:16:09 · 2661 阅读 · 0 评论 -
1、numpy库介绍
## Numpy库介绍NumPy是一个功能强大的Python库,主要用于对多维数组执行计算。NumPy这个词来源于两个单词-- Numerical和Python。NumPy提供了大量的库函数和操作,可以帮助程序员轻松地进行数值计算。在数据分析和机器学习领域被广泛使用。他有以下几个特点:1、numpy内置了并行运算功能,当系统有多个核心时,做某种计算时,numpy会自动做并行计算。2、Numpy底层使用C语言编写,内部解除了GIL(全局解释器锁),其对数组的操作速度不受Python解释器的限制,效率远原创 2022-03-07 12:43:55 · 14713 阅读 · 1 评论