python 遍历矩阵_Python = 46/365

● Python = 46/365 ●

有了数据就有了一切！回到枯燥而重要的数据部分。数据枯燥吗？一点儿都不。想想你看到的股票画面，想想你看到的成绩单，再想想你的信用卡账单🤩🤩🤩哪里枯燥，一点儿也不……

日更不停，你看行不行？

我带着你，你带着Python Flag，共勉！

No.1 Python-NumPy数组操作(2)

(1)算术运算

数组上的算术运算符按元素应用。创建一个新数组，并用结果填充。

>>> a = np.array( [20,30,40,50] )>>> b = np.arange( 4 )>>> barray([0, 1, 2, 3])>>> c = a-b  >>> carray([20, 29, 38, 47])

以上是减法，表示对应元素的差值

#数组b的平方运算>>> b**2array([0, 1, 4, 9])

当然，当然，更复杂的来了！

>>> 10*np.sin(a)array([ 9.12945251, -9.88031624,  7.4511316 , -2.62374854])>>> a<35array([ True,  True, False, False])

(2)矩阵运算

与许多矩阵语言不同，乘积运算符*在NumPy数组中按元素进行运算。可以使用@运算符(在python> = 3.5中)或dot点函数或方法执行矩阵乘积：

>>> A = np.array( [[1,1],[0,1]] )>>> B = np.array( [[2,0],[3,4]] )>>> A * B array([[2, 0],       [0, 4]])>>> A @ Barray([[5, 4],       [3, 4]])>>> A.dot(B) array([[5, 4],       [3, 4]])

No.2 Python-NumPy数组索引、切片        一维数组可以被索引，切片和遍历，就像列表和其他Python序列一样。

>>> a = np.arange(10)**2>>> aarray([ 0,  1,  4,  9, 16, 25, 36, 49, 64, 81])>>> a[2]4>>> a[2:5]array([ 4,  9, 16])

a [：6：2] = 1000;

从开始到位置6(不包括位置6)，将每个第二个元素设置为1000

>>> a[:6:2] = 1000>>> aarray([1000,    1, 1000,    9, 1000,   25,   36,   49,   64,   81])

No.3 Python-NumPy的Shape操作 shape 数组的形状 reshape改变数组的形状

>>> aarray([1000,    1, 1000,    9, 1000,   25,   36,   49,   64,   81])>>> a.shape(10,)>>> a.reshape(5,2)array([[1000,    1],       [1000,    9],       [1000,   25],       [  36,   49],       [  64,   81]])>>> a.shape(10,)

数组的形状可以使用各种命令来更改。请注意，以上命令均返回修改后的数组，但不更改原始数组。

一个人可以随意地阅读和学习，却不能随意地思考。

--叔本华

• Python365专辑

Python，365！