python requests 重试_python requests 重试NumPy常用方法总结

NumPy是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix))。NumPy(Numeric Python)提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。

numpy中的数据类型，ndarray类型，和标准库中的array.array并不一样。

ndarray的创建>>> import numpy as np

>>> a = np.array([2,3,4])

>>> a

array([2, 3, 4])

>>> a.dtype

dtype('int64')

>>> b = np.array([1.2, 3.5, 5.1])

>>> b.dtype

dtype('float64')

二维的数组>>> b = np.array([(1.5,2,3), (4,5,6)])

>>> b

array([[ 1.5,  2. ,  3. ],

[ 4. ,  5. ,  6. ]])

创建时指定类型>>> c = np.array( [ [1,2], [3,4] ], dtype=complex )

>>> c

array([[ 1.+0.j,  2.+0.j],

[ 3.+0.j,  4.+0.j]])

电脑技术002pc网认为此文章对《python requests 重试NumPy常用方法总结》说的很在理，为你提供最佳的学习电脑，学习电脑。

创建一些特殊的矩阵>>> np.zeros( (3,4) )

array([[ 0.,  0.,  0.,  0.],

[ 0.,  0.,  0.,  0.],

[ 0.,  0.,  0.,  0.]])

>>> np.ones( (2,3,4), dtype=np.int16 )                # dtype can also be specified

array([[[ 1, 1, 1, 1],

[ 1, 1, 1, 1],

[ 1, 1, 1, 1]],

[[ 1, 1, 1, 1],

[ 1, 1, 1, 1],

[ 1, 1, 1, 1]]], dtype=int16)

>>> np.empty( (2,3) )                                 # uninitialized, output may vary

array([[  3.73603959e-262,   6.02658058e-154,   6.55490914e-260],

[  5.30498948e-313,   3.14673309e-307,   1.00000000e+000]])

创建一些有特定规律的矩阵>>> np.arange( 10, 30, 5 )

array([10, 15, 20, 25])

>>> np.arange( 0, 2, 0.3 )                 # it accepts float arguments

array([ 0. ,  0.3,  0.6,  0.9,  1.2,  1.5,  1.8])

>>> from numpy import pi

>>> np.linspace( 0, 2, 9 )                 # 9 numbers from 0 to 2

array([ 0.  ,  0.25,  0.5 ,  0.75,  1.  ,  1.25,  1.5 ,  1.75,  2.  ])

>>> x = np.linspace( 0, 2*pi, 100 )        # useful to evaluate function at lots of points

>>> f = np.sin(x)

一些基本的运算

加减乘除三角函数逻辑运算>>> a = np.array( [20,30,40,50] )

>>> b = np.arange( 4 )

>>> b

array([0, 1, 2, 3])

>>> c = a-b

>>> c

array([20, 29, 38, 47])

>>> b**2

array([0, 1, 4, 9])

>>> 10*np.sin(a)

array([ 9.12945251, -9.88031624,  7.4511316 , -2.62374854])

>>> a<35

array([ True, True, False, False], dtype=bool)

矩阵运算

matlab中有.* ,./等等

但是在numpy中，如果使用+，-，×，/优先执行的是各个点之间的加减乘除法

如果两个矩阵(方阵)可既以元素之间对于运算，又能执行矩阵运算会优先执行元素之间的运算>>> import numpy as np

>>> A = np.arange(10,20)

>>> B = np.arange(20,30)

>>> A + B

array([30, 32, 34, 36, 38, 40, 42, 44, 46, 48])

>>> A * B

array([200, 231, 264, 299, 336, 375, 416, 459, 504, 551])

>>> A / B

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

>>> B / A

array([2, 1, 1, 1, 1, 1, 1, 1, 1, 1])

如果需要执行矩阵运算，一般就是矩阵的乘法运算>>> A = np.array([1,1,1,1])

>>> B = np.array([2,2,2,2])

>>> A.reshape(2,2)

array([[1, 1],

[1, 1]])

>>> B.reshape(2,2)

array([[2, 2],

[2, 2]])

>>> A * B

array([2, 2, 2, 2])

>>> np.dot(A,B)

8

>>> A.dot(B)

8

更多:python requests 重试NumPy常用方法总结

https://www.002pc.comhttps://www.002pc.com/python/2107.html

你可能感兴趣的NumPy,总结,常用,方法

No alive nodes found in your cluster

0踩

赏

0 赞