numpy学习记录(入门知识)

这篇博客是对numpy库的回顾,涵盖了创建numpy对象(包括向量和矩阵)、基本运算(强调轴的概念)、索引与切片操作,以及如何合并数组。文章深入浅出地讲解了numpy的核心概念和常用操作。
摘要由CSDN通过智能技术生成
好久未使用numpy与pandas库,进行一个简单的回顾
import numpy as np
import pandas as pd

1.创建numpy对象

在本文中,我们将二维数组就简单称为列表/矩阵;将一维数组就简单称呼为向量;
1.1 创建向量
vector_1 = np.array([1, 2, 3])
vector_1
array([1, 2, 3])
vector_1.size  # size属性表示元素的个数
3
vector_1.shape  # 表示数组的形状  向量有1行或者1列,不管是否转置,它的shape都为(x,)
(3,)
vector_1.T.shape
(3,)
1.2创建矩阵(本文只讨论二维数组,将其简称为矩阵)
arr_1 = np.array([[1, 2, 3],
                 [4, 5, 6],
                 [7, 8, 9]])
arr_1  # 注意与向量的区别,它有2层嵌套!
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
arr_1.shape
(3, 3)
arr_1.size
9
1.3创建特定array
arr_2 = np.zeros(10)  # 生成0数组
arr_2
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
arr_3 = np.ones(10)  # 生成全是1的数组
arr_3
array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])
arr_4 = np.linspace(1, 10, 3)  # 形成近似等距的数组
arr_4  # 生成size=3的等距数组,起点为1,重点为10,包头包尾
array([ 1. ,  5.5, 10. ])
arr_5 = np.arang
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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