Numpy基础学习

资源

Numpy & Pandas (莫烦 Python 数据处理教程)

一些概念

  • 在统计学语言的角度来看,一维数组可以称为vector(向量);而二维数组可以称为matrix(矩阵);三维以上的就没有特殊名称,全都称为array。向量、矩阵都可以看作是数组的特殊形式,被数组这个概率所包含。
  • arg 是变元(即自变量argument)的英文缩写。
    arg min 就是使后面这个式子达到最小值时的变量的取值
    arg max 就是使后面这个式子达到最大值时的变量的取值

2.1 numpy属性

2.1.1 导入库

import numpy as np

2.1.2 定义矩阵

array = np.array([[1, 2, 3],
                  [2, 3, 4]])

2.1.3 输出矩阵

print(array)

2.1.4 ndim,shape,size 输出矩阵的维数,行数、列数,元素个数

print('number of dim:', array.ndim)  # 几维
print('shape:', array.shape)  # 行数、列数
print('size:', array.size)  # 元素个数

2.2numpy的创建array

2.2.1 dtype=np.float 定义矩阵内数字的类型

a1 = np.array([2, 23, 4], dtype=np.float)  # 定义类型
print(a1.dtype)

2.2.2 np.zeros 全零矩阵定义shape(行, 列)

#            ↓shape
a3 = np.zeros((3, 4))  # 三行四列
print(a3)

2.2.3 np.ones 全1矩阵定义类型

a4 = np.ones((3, 4), dtype=np.int16)
print(a4)

2.2.4 np.empty 全‘接近为零’矩阵

a5 
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
NumPy是一个功能强大的Python库,主要用于对多维数组执行计算。它的使用可以使代码更简洁,并且具有一些特性,如向量化操作,可以加速计算过程。在NumPy中,最重要的数据结构是NumPy数组,它可以通过不同的方法进行创建。 创建一维NumPy数组的常见方法有以下几种: 1. 使用np.array()函数,传入一个列表作为参数,例如: my_array = np.array([1, 2, 3, 4, 5]) 2. 使用np.array()函数,传入一个元组作为参数,例如: my_array2 = np.array((0, 1, 2, 3, 4)) 3. 使用np.arange()函数,该函数类似于内置函数range(),返回一个数组而不是列表,例如: my_array3 = np.arange(5) 4. 使用np.linspace()函数,该函数返回一个包含指定数量元素的数组,而不是指定步长(step),例如: my_array4 = np.linspace(0, 2*np.pi, 5) 这些方法可以用来创建不同类型的一维NumPy数组。通过打印数组可以查看创建的结果。在使用NumPy之前,需要导入NumPy库,可以使用import numpy as np语句进行导入。 NumPy还可以用于执行各种数学任务,如数值积分、微分、内插、外推等,以及快速处理图像等。因此,在机器学习中,NumPy常被用于存储训练数据和机器学习模型的参数,以及进行简单和快速的计算。 总结起来,NumPy提供了丰富的功能和优秀的库函数,使得在Python中进行数值计算变得更加方便和高效。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [python科学计算的基本包-Python科学计算基本包Numpy使用的教程.pdf](https://download.csdn.net/download/qq_43934844/87898289)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [numpy基础语法整理](https://blog.csdn.net/weixin_61890283/article/details/124596265)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

程序员朱帅

你的鼓励将是我创作的最大动力

¥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
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