numpy
不 知
by design.
展开
-
numpy一行转为一列
>>> a = np.array([1, 2, 3])>>> a = a.reshape(-1, 1) #-1表示任意行数,1表示1列>>> aarray([[1], [2], [3]])原创 2020-12-28 16:22:19 · 12095 阅读 · 0 评论 -
Python中用一个通道的图像赋值给三个通道的图像
arr = np.array([[[1,2,3],[1,2,3]],[[1,2,3],[1,2,3]]]) arr1 = np.array([[1,2],[3,4]]) arr[:] = arr1[..., np.newaxis]注意arr[:]放在等式左边可以用这种方法通过一维数组给三维数组赋值。原创 2020-12-09 21:53:05 · 1262 阅读 · 0 评论 -
Python Numpy中reshape函数参数-1的含义
arr = np.array([1,2,3,4,5,6]) print(arr.reshape(2,3).reshape(2,-1))就是将-1所在位置行或列是根据另外一个计算出来,自己不知道他为多少。比如上面的那个,我只想让他变成2行,但是我不知道他是多少列,所以就可以这样。只有一个表示将变成一维的,一行。 arr = np.array([1,2,3,4,5,6]) print(arr.reshape(-1))...原创 2020-12-09 20:58:36 · 618 阅读 · 0 评论 -
Python中为朋友画图操作
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib as mplif __name__ == '__main__': mpl.rcParams['font.family'] = 'STSong' mpl.rcParams['axes.unicode_minus'] = False # 选择的分别是-注视时间,-首次注视时间,-注视次数 select原创 2020-11-30 22:09:56 · 136 阅读 · 0 评论 -
Python NumPy.all()与any()函数理解
最简单的理解是:all是当数组中全为true时返回true。any是只要数组中有任何一个为true时返回true。参考连接:https://blog.csdn.net/yl_best/article/details/102593264转载 2020-11-25 18:51:19 · 499 阅读 · 0 评论 -
Numpy学习——数组填充np.pad()函数的应用
pad函数的使用函数参数解释1、对一维数组进行扩充2、对二维数组进行扩充函数参数解释numpy.pad(array, pad_width, mode='constant', **kwargs)参数解释array——表示需要填充的数组;pad_width——表示每个轴(axis)边缘需要填充的数值数目。 参数输入方式为:((before_1, after_1), …(before_N, after_N)),其中(before_1,after_1)表示第1轴两边缘分别填充before_1个和a原创 2020-11-24 13:08:01 · 3626 阅读 · 0 评论 -
机器学习_感知器算法学习(Python实现)
感知器是一种分类算法,代码实现如下:import numpy as npimport pandas as pdimport matplotlib as mplimport matplotlib.pyplot as pltimport sklearn.datasets as datasetclass Perception: def __init__(self, alpha, times): """ 初始化方法 :param alpha:学原创 2020-11-19 11:31:38 · 343 阅读 · 0 评论 -
机器学习_KMeans聚类算法的学习(Python实现)
Kmeans算法是最常用的聚类算法。主要思想是:在给定K值和K个初始类簇中心点的情况下,把每个点(亦即数据记录)分到离其最近的类簇中心点所代表的类簇中,所有点分配完毕之后,根据一个类簇内的所有点重新计算该类簇的中心点(取平均值),然后再迭代的进行分配点和更新类簇中心点的步骤,直至类簇中心点的变化很小,或者达到指定的迭代次数。其训练数据的流程是:根据上面的流程图来实现具体代码:import numpy as npimport matplotlib as mplimport matplotl.原创 2020-11-19 10:54:55 · 1679 阅读 · 0 评论 -
np.dot()使用方法
np.dot()函数主要有两个功能,向量点积和矩阵乘法,这里我就简单列举了三种最常用到的情况np.dot(a, b), 其中a为一维的向量,b为一维的向量,当然这里a和b都是np.ndarray类型的, 此时因为是一维的所以是向量点积。import numpy as np a = np.array([1, 2, 3, 4, 5])b = np.array([6, 7, 8, 9, 10])print(np.dot(a, b)) output:130[Finished in 0.2s]转载 2020-11-18 11:08:06 · 444 阅读 · 0 评论 -
Pycharm中取消SciView输入
今天使用pycharm画图时,发现pycharm的图像默认输出到一个sciview的窗口,但是我不太习惯这种方式,所以又将图像输出方式改回matplotlib默认的输出方式,File|Settings | Tools | Python Scientific | Show plots in toolwindow选项勾给去掉就可以了...原创 2020-11-16 09:18:19 · 1006 阅读 · 0 评论 -
Python中numpy添加元素
首先这里p_arr为一个numpy的array,p_为一个元素p_arr = np.concatenate((p_arr,[p_])) # 先将p_变成list形式进行拼接,注意输入为一个tuplep_arr = np.append(p_arr,p_) #直接向p_arr里添加p_#注意一定不要忘记用赋值覆盖原p_arr不然不会变...原创 2020-11-13 11:43:15 · 6157 阅读 · 0 评论 -
python实现KNN分类算法
import sklearnimport numpy as npfrom sklearn.neighbors import KNeighborsClassifierimport sklearn.datasets as dataimport matplotlib as mplimport matplotlib.pyplot as pltfrom matplotlib.colors import ListedColormapimport pandas as pdfrom tensorboard.原创 2020-11-11 20:45:58 · 162 阅读 · 1 评论 -
Python中numpy中的bincount用法
该函数的作用是计算列表中每个元素的出现次数,传入列表必须是非负整数。其中每个元素的次数放在对应索引中。bincount中的分为加权重的和不加权重的。import numpy as npa = np.array([0,0,1,0,1,0])print(np.bincount(a)0元素有四个,1元素有两个,因此会输出:[4, 2]下面来看加权重的部分:import numpy as npa = np.array([0,0,1,0,1,0])print(np.bincount(a,wei原创 2020-11-11 20:40:09 · 713 阅读 · 0 评论 -
[Python] 将True/False转为1/0的方法
方法1:在变量后直接加上 0 即可。import numpy as npa = np.array([True, False])print(a)print(a + 0)方法2:使用类型转换import numpy as npa = np.array([True, False])print(a)a.astype(int)print(a)原创 2020-11-11 10:41:10 · 12493 阅读 · 0 评论 -
Pandas详解DataFrame格式,Series格式
1. Series格式https://blog.csdn.net/weixin_42107718/article/details/98649208?utm_source=app2. DataFrame格式https://blog.csdn.net/weixin_42107718/article/details/98659921?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2alltop_click~default-2-9原创 2020-11-11 10:16:17 · 495 阅读 · 0 评论 -
Python中Numpy中的array和nsarray区别
array和asarray都可以将结构数据转化为ndarray,但是主要区别就是当数据源是ndarray时,array仍然会copy出一个副本,占用新的内存,但asarray不会。当传入参数本身是ndarray的时候才有作用 a = np.array([1,2,3]) b = np.asarray(a) b[0] = -1 print(a) 输出: [-1 2 3] 可以看出改b的值的时候,a的值也改了,说明 这是浅拷贝 a = np.array([1,2,.原创 2020-11-10 21:57:36 · 328 阅读 · 0 评论 -
Python中双冒号的作用
>>> range(10)[::2][0, 2, 4, 6, 8]语法含义:seq[start:end:step]原创 2020-11-07 14:34:31 · 588 阅读 · 0 评论 -
python .ravel() .flatten()
两者的本质都是想把多维的数组降为1维。区别在于**numpy.flatten()返回一份拷贝**,对数据更改时不会影响原来的数组,而numpy.ravel()则返回视图,对数据更改时会影响原来的数组。共同点:>>> import numpy as np>>> x = np.array([[1,3,4],[2,3,5]])>>> x.ravel()array([1, 3, 4, 2, 3, 5])>>> x.flatt.转载 2020-09-17 10:47:49 · 61 阅读 · 0 评论 -
Python中[ : n]、[m : ]、[-1]、[:-1]、[::-1]、[2::-1]和[1:]的含义
[m : ] 代表列表中的第m+1项到最后一项[ : n] 代表列表中的第一项到第n项import numpy as npa=[1,2,3.4,5]print(a)[ 1 2 3 4 5 ]print(a[-1]) 取最后一个元素结果:[5]print(a[:-1]) 除了最后一个取全部结果:[ 1 2 3 4 ]print(a[::-1]) 取从后向前(相反)的元素结果:[ 5 4 3 2 1 ]print(a[2::-1]) 取从下标为2的元素翻转转载 2020-07-21 18:31:48 · 613 阅读 · 0 评论 -
Python中Numpy的搜索文档和matplotlib搜索文档
NumPyhttps://numpy.org/doc/stable/search.html?q=arraymatplotlibhttps://matplotlib.org/search.html?q=plot原创 2020-07-16 19:56:05 · 85 阅读 · 0 评论