Numpy
starter_zheng
这个作者很懒,什么都没留下…
展开
-
Numbpy —— ufunc函数
reduce()沿着axis参数指定的轴对数组进行操作>>> np.add.reduce([1,2,3]) # 1 + 2 + 36>>> np.add.reduce([[1,2,3],[4,5,6]], axis=1) # (1+2+3),(4+5+6)array([6, 15])>>> np.multiply.reduce(...原创 2018-08-06 11:44:19 · 670 阅读 · 0 评论 -
Numpy —— 数据类型对象 (dtype)
属性dtypeIn [49]: arr=np.arange(5)In [50]: arrOut[50]: array([0, 1, 2, 3, 4])In [51]: arr.dtypeOut[51]: dtype('int32')函数dtype( )作用:结构化数组类型并加以使用语法:numpy.dtype(object, align, copy)原创 2018-01-26 15:47:05 · 27043 阅读 · 9 评论 -
Numpy —— 花式索引,整数索引和布尔索引
花式索引花式索引指的是利用整数数组进行索引 花式索引跟切片不一样,它总是将数据复制到新数组中1、传入顺序索引数组In [94]: arr=np.arange(32).reshape((8,4))In [95]: arrOut[95]:array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10,原创 2018-01-26 18:42:36 · 5838 阅读 · 1 评论 -
Numpy —— np.meshgrid( ),np.where( )
np.meshgrid( )语法:[X,Y] = meshgrid(x,y) 作用:接受两个一维数组,并产生两个二维数组(对应于两个数组中所有的(x,y)对) (将向量x和y定义的区域转换成矩阵X和Y,其中矩阵X的行向量是向量x的简单复制,而矩阵Y的列向量是向量y的简单复制。)示例:加载数据m, n = (5, 3)x = np.linspace(0, 1, m)y原创 2018-01-26 20:26:04 · 1819 阅读 · 2 评论 -
Numpy —— 常用的数据处理函数
基本数组统计函数 函数 说明 sum 对数组中全部或某轴向的元素求和。零长度的数组的sum为0 mean 算术平均数。零长度的数组的mean为NaN std,var 分别为标准差和方差,自由度可调,默认为n min,max 最小值和最大值 argmin,argmax 最小值的索引和最大值的索引 cumsum原创 2018-01-26 20:46:44 · 593 阅读 · 0 评论 -
Numpy —— 数组转置T及轴对称transpose、swapaxes
一、数组转置T将数组的整个轴顺序进行颠倒import numpy as np arr=np.arange(16).reshape(2,2,4) array([[[ 0, 1, 2, 3], [ 4, 5, 6, 7]], [[ 8, 9, 10, 11], [12, 13, 14, 15]]]) arr....原创 2018-07-20 00:04:20 · 1454 阅读 · 0 评论 -
Numpy —— axis
axis的作用即如何理解numpy是python进行科学计算必不可少的模块,随着深度学习越来越火,numpy也越来越流行。了解numpy的人知道,在numpy中,有很多的函数都涉及到axis,很多函数根据axis的取值不同,得到的结果也完全不同。可以说,axis让numpy的多维数组变的更加灵活,但也让numpy变得越发难以理解。这里通过详细的...转载 2018-02-25 00:07:05 · 300 阅读 · 0 评论 -
Numpy —— 数组和矩阵
Numpy包含了两种基本类型:数组ndarray和矩阵matrixNumPy数组中所有元素的类型必须是相同的数组ndarray1、创建数组ndarray又叫多维数组对象,创建数组的最简单的方式就是使用array函数,它接受一切序列化的对象(包括其他数组),然后产生一个新的含有传入数据的numpy数组通过tuple构建ndarrayIn[1]: import nu原创 2018-01-26 12:03:20 · 1890 阅读 · 0 评论 -
Numpy ——np.newaxis 增加轴
>> type(np.newaxis)NoneType>> np.newaxis == NoneTruenp.newaxis 在使用和功能上等价于 None,其实就是 None 的一个别np.newaxis 的使用>> x = np.arange(3)>> xarray([0, 1, 2])>> x.shape...转载 2018-08-11 22:19:42 · 884 阅读 · 0 评论 -
Numpy —— 曲线拟合
多项式拟合import matplotlib.pyplot as pltimport numpy as npx = np.arange(1, 17, 1)y = np.array([4.00, 6.40, 8.00, 8.80, 9.22, 9.50, 9.70, 9.86, 10.00, 10.20, 10.32, 10.42, 10.50, 10.55, 10.58, 10.6...原创 2018-08-24 09:22:26 · 11650 阅读 · 0 评论