100个numpy问题16-100

最新推荐文章于 2023-05-03 09:13:44 发布
最新推荐文章于 2023-05-03 09:13:44 发布
阅读量203 收藏
点赞数 3
分类专栏： Python科学计算进阶 文章标签： python numpy
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/u011699626/article/details/109138772
版权
  1. 如何交换二维numpy数组中的两列元素，比如：
# 要求：交换二维数组中的第一列与第二列元素
# 原始数组
array([[0, 1, 2],
       [3, 4, 5],
       [
了解本专栏 订阅专栏 解锁全文
勤奋的大熊猫
关注
  • 3
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
订阅专栏
100个numpy问题57-100
u011699626的博客
11-14 105
如何使用numpy对多维数组中的项目进行排名，比如： # 原始数组 array([[ 9, 4, 15, 0, 17], [16, 17, 8, 9, 0]]) # 想要得到的数组 array([[4, 2, 6, 0, 8], [7, 9, 3, 5, 1]]) 方法一： # -*- coding: utf-8 -*- """ Created on Sat Nov 7 13:10:04 2020 @author: 15025 """ import nump.
md格式编写的良心教程 Python 100天从新手到大师 共100个完整源文件 含课程源代码.rar
09-25
【课程内容列表】 .gitignore PEP8风格指南.md Python编程惯例.md Python参考书籍.md Python之禅.md README.md 更新日志.md 玩转PyCharm.md Day01-15\01.初识Python.md Day01-15\02.语言元素.md Day01-15\03.分支结构.md Day01-15\04.循环结构.md Day01-15\05.构造程序逻辑.md Day01-15\06.函数和模块的使用.md Day01-15\07.字符串和常用数据结构.md Day01-15\08.面向对象编程基础.md Day01-15\09.面向对象进阶.md Day01-15\10.图形用户界面和游戏开发.md Day01-15\11.文件和异常.md Day01-15\12.字符串和正则表达式.md Day01-15\13.进程和线程.md Day01-15\14.网络编程入门和网络应用开发.md Day01-15\15.图像和办公文档处理.md Day16-20\16-20.Python语言进阶.md Day21-30\21-30.Web前端概述.md Day31-35\31-35.玩转Linux操作系统.md Day36-40\36-38.关系型数据库MySQL.md Day36-40\39-40.NoSQL入门.md Day41-55\41.Django快速上手.md Day41-55\42.深入模型.md Day41-55\43.静态资源和Ajax请求.md Day41-55\44.Cookie和Session.md Day41-55\45.制作报表.md Day41-55\46.日志和调试工具栏.md Day41-55\47.中间件的应用.md Day41-55\48.前后端分离开发入门.md Day41-55\49.RESTful架构和DRF入门.md Day41-55\50.RESTful架构和DRF进阶.md Day41-55\51.使用缓存.md Day41-55\52.文件上传.md Day41-55\53.异步任务和定时任务.md Day41-55\54.单元测试.md Day41-55\55.项目上线.md Day56-60\56.Flask入门.md Day56-60\57.模板的使用.md Day56-60\58.表单的处理.md Day56-60\59.数据库操作.md Day56-60\60.项目实战.md Day61-65\61.预备知识.md Day61-65\62.Tornado入门.md Day61-65\63.异步化.md Day61-65\64.WebSocket的应用.md Day61-65\65.项目实战.md Day66-75\66.网络爬虫和相关工具.md Day66-75\67.数据采集和解析.md Day66-75\68.存储数据.md Day66-75\69.并发下载.md Day66-75\70.解析动态内容.md Day66-75\72.Scrapy入门.md Day66-75\73.Scrapy高级应用.md Day66-75\74.Scrapy分布式实现.md Day66-75\75.常见反爬策略及应对方案.md Day76-90\76.机器学习基础.md Day76-90\77.Pandas的应用.md Day76-90\78.NumPy和SciPy的应用.md Day76-90\79.Matplotlib和数据可视化.md Day76-90\80.k最近邻分类.md Day76-90\81.决策树.md Day76-90\82.贝叶斯分类.md Day76-90\83.支持向量机.md Day76-90\84.K-均值聚类.md Day76-90\85.回归分析.md Day76-90\86.大数据分析入门.md Day76-90\87.大数据分析进阶.md Day76-90\88.Tensorflow入门.md Day76-90\89.Tensorflow实战.md Day76-90\90.推荐系统实战.md Day91-100\100.Python面试题集.md Day91-100\91.团队项目开发的问题和解决方案.md Day91-100\92.Docker容器详解.md Day91-100\93.MySQL性能优化.md Day91-100\94.网络API接口设计.md Day91-100\95.使用Django开发商业项目.md Day91-100\96.软件测试和自动化测试.md Day91-100\97.电商网站技术要点剖析.md Day91-100\98.项目部署上线和性能调优.md
基于Python的Numpy的简单的深度学习框架，梯度计算主要参考了Caffe的计算方式.zip
最新发布
02-20
基于Python的Numpy的简单的深度学习框架，梯度计算主要参考了Caffe的计算方式。 利用该框架定义一个卷积神经网络如下： net = Net() net.add(conv_layer(16, 1, (2, 2))) net.add(activation('relu')) net.add(conv_layer(32, 1, (2, 2))) net.add(activation('relu')) net.add(reshape()) net.add(inner_product(100)) net.add(activation('relu')) net.add(inner_product(1)) net.add(activation('sigmoid'))
《Python - 100天从新手到大师》Day16-20.zip
05-30
《Python - 100天从新手到大师》是一本Python编程的入门教材，它涵盖了Python语言的基础知识、常用库的使用、Web开发、数据分析、机器学习等多个方面的内容，适合初学者系统学习Python编程。 这本书的主要内容如下： Python基础知识：介绍Python语言的基础语法、变量、数据类型、运算符、条件语句、循环语句等内容。 Python常用库的使用：介绍Python中常用的标准库和第三方库，如NumPy、Pandas、Matplotlib、Scikit-learn等，让读者能够掌握这些库的基本用法。 Web开发：介绍Python中常用的Web框架，如Flask、Django等，让读者能够使用Python进行Web开发。 数据分析：介绍Python中数据分析的常用库和工具，如Pandas、NumPy、Matplotlib等，让读者能够使用Python进行数据分析。 机器学习：介绍Python中机器学习的常用库和工具，如Scikit-learn、TensorFlow等，让读者能够使用Python进行机器学习。
基于Python.Numpy实现BP卷积神经网络识别手写数字源码(含超详细注释+使用说明).zip
10-16
【资源说明】 基于Python.Numpy实现BP卷积神经网络识别手写数字源码(含超详细注释+使用说明).zip 文件夹结构功能 1.文件夹 - data：mnist手写数字数据集，包含训练、测试数据 - parameters：神经网络训练结果保存路径 - figure：该文档中的图片 2.文件 - activate.py：激活函数层，包含Sigmoid，SoftMax - bp.py：BP神经网络层，全连接层 - BPmain.py：BP神经网络测试文件 - CNNmain.py：卷积神经网络测试文件 - conv.py：卷积层 - load_mnist.py：mnist数据加载 - module.py：网络层、结构接口定义 - pool.py：池化层 - saveandread.py：神经网络参数保存加载 # 三、项目运行 ## 1.BP神经网络测试 1.1测试目标 - 使用BP神经网络对数据进行分类 1.2测试方式 - 运行BPmain.py文件 1.3测试结果 - 1.训练完成后输出如下 ```bash 开始训练: 2023-02-18 20:16:09.905283 训练已完成练100% 结束训练: 2023-02-18 20:16:56.179266 ``` - 2.测试结果如下图所示，可以看到，神经网络可以将红点与蓝点进行分类 ![](./figure/Figure_1.png) - 3.训练误差如下图所示，可以看到，训练过程中误差在不断缩小 ![](./figure/Figure_2.png) ## 2.卷积神经网络测试 2.1测试目标 - 使用卷积神经网络识别手写数字 2.2测试方式 - 运行CNNmain.py文件 2.3测试结果 - 1.训练完成后输出如下 ```bash 第1次训练开始: 2023-02-18 18:45:01.447278 训练已完成100% 第1次训练结束: 2023-02-18 19:39:28.603512 测试已完成100% 第1次测试结束: 2023-02-18 19:43:05.641130 第1次训练正确率:66.28% 第2次训练开始: 2023-02-18 19:43:05.651106 训练已完成100% 第2次训练结束: 2023-02-18 20:46:34.102317 测试已完成100% 第2次测试结束: 2023-02-18 20:51:22.949554 第2次训练正确率:82.46% 第3次训练开始: 2023-02-18 20:51:22.957532 ... ``` - 2.训练后测试正确率如下图所示，可以看到，随着训练次数增加，正确率在不断提高 ![](./figure/Figure_3.png) ## 3.CNN参数读取测试 3.1测试目标 - 读取训练时保存的参数数据进行数字识别 3.2测试方式 - 运行saveandread.py文件 3.3测试结果 - 1.测试结果如下图所示，可以看到，神经网络可以正确的识别手写数字 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可直接用于毕设、课设、作业等。 欢迎下载，沟通交流，互相学习，共同进步！
100个numpy问题56-100
u011699626的博客
11-14 91
如何使用numpy对数组中的项目进行排名，比如： # 原始数组 array([ 9, 4, 15, 0, 17, 16, 17, 8, 9, 0]) # 想要得到的数组 array([4, 2, 6, 0, 8, 7, 9, 3, 5, 1]) 使用np.random.seed()，np.random.randint()和.argsort()函数 # -*- coding: utf-8 -*- """ Created on Sat Nov 7 13:10:04 2020 @author:.
100个numpy问题17-100
u011699626的博客
10-17 284
如何交换二维numpy数组中的两行元素，比如： # 要求：交换二维数组中的第一行与第二行元素 # 原始数组 array([[0, 1, 2], [3, 4, 5], [6, 7, 8]]) # 想要得到的数组 array([[3, 4, 5], [0, 1, 2], [6, 7, 8]]) 这个问题类似于100个numpy问题16-100。因此这里不做过多解释，同样给出两种方法。 方法一：使用浅拷贝.copy()与中间变量temp # -*- c.
100个numpy问题71-100
u011699626的博客
11-15 144
如何在一系列没有规律的numpy日期中填写缺失的日期，比如： 方法一：会出一个小警告，但是可以被执行，后面会进行修改！ # -*- coding: utf-8 -*- """ Created on Sat Nov 7 13:10:04 2020 @author: 15025 """ import numpy as np class NumpyStudy: @staticmethod def findRepeatElementIndex(): dates = np.
Numpy入门5--Numpy常用操作练习1
FUXI_Willard
03-24 2669
该系列为Numpy入门，如无Python基础，请移步Python入门系列学习：Python3基础系列博文索引. # 1.创建一维数组 import numpy as np array1 = np.arange(5) array2 = np.arange(8) print("array1数组的内容：", array1) print("array2数组的内容：", array2) print("-------------------------------------") # 2.创建布尔数组 arr
matrex：ElixirErlang的快速矩阵库，使用CBLAS C实现
01-30
它还具有高效的内存，因此您可以处理大型矩阵，大约十亿个元素。 基于来自矩阵代码 基准测试 与NumPy的比较 2015 MacBook Pro，2.2 GHz Core i7，16 GB RAM 在填充有随机数的3000×3000矩阵上执行操作。 您可以...
74---Python绘制不同表现形式的狄拉克delta函数（视觉上的delta函数）
u011699626的博客
12-22 3406
狄拉克delta函数的图像绘制 def dirac_delta_function(x, sig): val = np.zeros_like(x) val[(-(1 / (2 * sig)) <= x) & (x <= (1 / (2 * sig)))] = 1 return val X = np.linspace(-5, 5, 1000) sigma = 1 plt.figure()
79---Python 极坐标系下绘制圆形
u011699626的博客
12-26 2250
圆在极坐标系下的方程： r=a(sin⁡θ2+cos⁡θ2)r = a \left(\sin{\theta}^2 + \cos{\theta}^2\right)r=a(sinθ2+cosθ2) 这里我们令a=1。圆在极坐标系下的方程可以简化为： r=sin⁡θ2+cos⁡θ2r = \sin{\theta}^2 + \cos{\theta}^2r=sinθ2+cosθ2 代码如下： import numpy as np import matplotlib.pyplot as plt step = 101
77---Python 计算Sin(x)的积分
u011699626的博客
12-22 2153
计算sin⁡x\sin{x}sinx在区间[0,π]\left[0, \pi\right][0,π]和区间[π,0]\left[\pi, 0\right][π,0]上的积分。 sin⁡x\sin{x}sinx在区间(0,π)\left(0, \pi\right)(0,π)上的积分可写为： ∫0πsin⁡x\int_0^{\pi}\sin{x}∫0π​sinx 令x=−xx=-xx=−x，可得： x∈[0,π]→−x∈[π,0]x\in\left[0, \pi\right]\rightarrow-x\in\l
100个numpy问题50-100
u011699626的博客
11-12 1947
如何从numpy数组中获取前n个值的位置，比如： # 从数组中获取最大的五个值的位置 # 原始数组 array([27.627, 14.64 , 21.801, 42.394, 1.231, 6.957, 33.867, 41.467, 7.699, 29.18 , 44.675, 11.251, 10.081, 6.31 , 11.765, 48.953, 40.772, 9.425, 40.995, 14.43 ]) # 想要获得的数组 array([18, .
Python 绘制狄拉克 delta 函数（完美实现）
u011699626的博客
05-03 1943
函数了，但是还是不那么完美，因此，我们给它添加一个平行于。函数，但是看起来并不那么美观，因此我们考虑使用。函数可能并不那么完美，因此，我们采用。之前我们提到了我们所绘制的。函数，而非实际数学意义上的。上述图像已经可以比较好的表示。阅读这篇文章前，推荐优先阅读。函数，那么对于数学上的。函数，我们该怎么绘制呢？个数据点，且索引值为。虽然上面我们已经获得了。，其余各点上的值均为。
96---Python 绘制阿基米德螺旋线
u011699626的博客
07-06 1806
Python 绘制阿基米德螺旋线
87---Python 三维随机行走
u011699626的博客
12-29 1703
代码如下： import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax = fig.add_subplot(projection="3d", facecolor="lightgoldenrodyellow") start_pos = np.array([[0.5, 0.5, 0.5]]) # 初始化三位坐标系，为了设置坐标轴 ax.plot(start_pos[0, 0], start_pos[0, 1], star
80---Python 直角坐标系下绘制圆形
u011699626的博客
12-26 1657
直角坐标系下圆的方程可以分为两个部分： y=1−x2y = \sqrt{1-x^2}y=1−x2​ y=−1−x2y = - \sqrt{1-x^2}y=−1−x2​ 代码如下： import numpy as np import matplotlib.pyplot as plt step = 10001 r = 1 x = np.linspace(-r, r, step) y = np.sqrt(1 - x ** 2) y1 = -np.sqrt(1 - x ** 2) fig = plt.figur
--------------------------------------------------------------------------- AttributeError Traceback (most recent call last) Cell In[16], line 10 8 data = data.to_numpy() 9 fs = 100 ---> 10 data_20s = data.iloc[:fs*20] 12 start_index = 0 13 end_index = 1000 AttributeError: 'numpy.ndarray' object has no attribute 'iloc'
06-06
你可以使用以下代码解决这个问题： ``` import pandas as pd data = pd.read_csv('data.csv') data = data.to_numpy() fs = 100 df = pd.DataFrame(data) # 将Numpy数组转换为DataFrame data_20s = df.iloc[:fs*20...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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

打赏作者

勤奋的大熊猫

你的鼓励将是我写作最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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