Numpy数值计算基础

Numpy数值计算基础

import numpy as np

创建数组

创建一维数组
arr1 = np.array([1,2,3,4])
print(“创建的数组为:”, arr1)

创建二维数组
arr2 = np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]])
print(‘创建的数组为:\n’, arr2)

查看数组结构
print(‘数组维度为:’, arr2.shape)

查看数组类型
print(‘数组类型为:’, arr2.dtype)

查看数组元素个数
print(‘数组元素个数为:’, arr2.size)

查看数组每个元素大小
print(‘数组每个元素大小为:’, arr2.itemsize)

重新设置数组的shape属性
arr2.shape = 4, 3 # 重新设置shape
print(‘重新设置shape后的arr2为:’,arr2)

使用arange函数创建数组
print(‘使用arange函数创建的数组为:\n’,np.arange(0,1,0.1))

使用linspace函数创建数组
print(‘使用linspace函数创建的数组为:’,np.linspace(0,1,12))

使用logspace函数创建等比数列
print(‘使用logspace函数创建的数列为:’,np.logspace(0,2,20))

使用zeros函数创建数组
print(‘使用zeros函数创建的数组为:’,np.zeros((2,3)))

使用eye函数创建数组
print(‘使用eye函数创建的数组为:’,np.eye(3))

使用diag函数创建数组
print(‘使用diag函数创建的数组为:’,np.diag([1,2,3,4]))

使用ones函数创建数组
print(‘使用ones函数创建的数组为:’,np.ones((5,3)))

数组数据类型转换

整型转换为浮点型
print(‘转换结果为:’,np.float64(42))

浮点型转换为整型
print(‘转换结果为:’,np.int8(42.0))

整型转换为布尔型
print(‘转换结果为:’,np.bool(42))
print(‘转换结果为:’,np.bool(0))

布尔型转换为浮点型
print(‘转换结果为:’,np.float(True))
print(‘转换结果为:’,np.float(False))

创建数据类型
df = np.dtype([(‘name’,np.str_,40),(‘numitems’,np.int64),(‘price’,np.float64)])
print(‘数据类型为:’,df)

查看数据类型
print(‘数据类型为:’,df[‘name’])
print(‘数据类型为:’,np.dtype(df[‘name’]))

自定义数组数据
itemz = np.array([(‘tomatoes’,42,4.14),(‘cabbages’,13,1.72)],dtype=df)
print(‘自定义数据为:’,itemz)

生成随机数

print(‘生成的随机数为:’,np.random.random(100))

生成服从均匀分布的随机数
print(‘生成的随机数为:\n’,np.random.rand(10,5))

生成服从正态分布的随机数
print(‘生成的随机数为:\n’,np.random.randn(10,5))

生成给定上下限范围的随机数
print(‘生成的随机数为:’,np.random.randint(2,10,size=[2,5]))

使用索引访问一维数组

用整数作为下标可以获取数组中的某个元素
arr = np.arange(10)
print(‘索引结果为:’,arr[5])

用范围作为下标获取数组的一个切片,包括arr[3],不包括arr[5]
print(‘索引结果为:’,arr[3:5])

省略开始下标,表示从arr[0]开始
print(‘索引结果为:’,arr[:5])

下标可以使用负数,-1 表示从数组最后往前数的第一个元素
print(‘索引结果为:’,arr[-1])

下标还可以用来修改元素的值
arr[2:4] = 100,101
print(‘索引结果为:’,arr)

范围中的第三个参数表示步长,2 表示隔一个元素取一个元素
print(‘索引结果为:’,arr[1: -1:2])

步长为负数时,开始下标必须大于结束下标
print(‘索引结果为:’,arr[5:1:-2])

使用索引访问多维数组

arr3 = np.array([[1,2,3,4,5],[4,5,6,7,8],[7,8,9,10,11]])
print(‘创建的二位数组为:’,arr3)

索引第0行中第3和第4列的元素
print(‘索引结果为:’,arr3[0,3:5])

索引第2行中第3-5列的元素
print(‘索引结果为:’,arr3[1:,2:])

索引第2列的元素
print(‘索引结果为:’,arr3[:,2])
‘’‘使用整数函数和布尔值索引访问多维数组’’’

从两个序列的对应位置取出两个整数来组成下标:arr3[0,1],arr3[1,2],arr3[2,3]
print(‘索引结果为:’,arr3[[(0,1,2),(1,2,3)]])

索引第2、3行中的第0、2、3列的元素
print(‘索引结果为:’,arr3[1:,(0,2,3)])

mask是一个布尔数组,它索引第1、3行中第2列的元素
mask = np.array([1,0,1],dtype=np.bool)
print(‘索引结果为:’,arr3[mask,2])

变换数组的形态

改变数组形状
arr4 = np.arange(12)
print(‘创建一维数组为:’,arr4)

设置数组的形状
print(‘新的一维数组为:’,arr4.reshape(3,4))

查看数组维度
print(‘数组维度为:’,arr4.reshape(3,4).ndim)

使用ravel函数展平数组
arr5 = np.arange(12).reshape(3,4)
print(‘创建的二维数组为:’,arr5)
print(‘数组展平后为:’,arr5.ravel())

使用flatten函数展平数组
print(‘数组展平为:’,arr5.flatten()) # 横向展平
print(‘数组展平为:’,arr5.flatten(‘F’)) # 纵向展平

使用hstack函数实现数组横向组合
arr6 = np.arange(12).reshape(3,4)
print(‘创建的数组6为:’,arr6)
arr7 = arr6 * 3
print(‘创建的数组7为:’,arr7)

使用hstack函数横向组合
print(‘横向组合为:’,np.hstack((arr6,arr7)))

使用vstack函数实现数组纵向组合
print(‘纵向组合为:’,np.vstack((arr6,arr7)))

使用concatenate函数组合数组
使用concatenate函数横向组合
print(‘横向组合为:’,np.concatenate((arr6,arr7),axis=1))

使用concatenate函数纵向组合
print(‘纵向组合为:’,np.concatenate((arr6,arr7),axis=0))

使用hsplit函数实现数组横向分割
arr8 = np.arange(16).reshape(4,4)
print(‘创建的二维数组为:’,arr8)

使用hsplit函数横向分割
print(‘横向分割为:’,np.hsplit(arr8,2))

使用vsplit函数实现数组纵向分割
print(‘纵向分割为:’,np.vsplit(arr8,2))

使用split函数分割数组
print(‘横向分割为:’,np.split(arr8,2,axis=1))
print(‘纵向分割为:’,np.split(arr8,2,axis=0))

使用mat函数与matrix函数创建矩阵

使用分号隔开数据
matr1 = np.mat(‘1 2 3;4 5 6;7 8 9’)
print(‘创建的矩阵为:’,matr1)
matr2 = np.matrix([[1,2,3],[4,5,6],[7,8,9]])
print(‘创建的矩阵为:’,matr2)
‘’‘使用bmat函数创建矩阵’’’
arr9 = np.eye(3)
print(‘创建的数组9为:’,arr9)
arr10 = 3 * arr9
print(‘创建的数组10为:’,arr10)
print(‘创建的矩阵为:’,np.bmat(‘arr9 arr10; arr9 arr10’))

矩阵运算

创建矩阵
matr3 = np.mat(‘1 2 3 ;4 5 6;7 8 9’)
print(‘创建的矩阵为:’,matr3)

矩阵与数相乘
matr4 = matr3 * 3
print(‘创建的矩阵为:’,matr4)

矩阵相加
print(‘矩阵相加结果为:’,matr3+matr4)

矩阵相减
print(‘矩阵相减的结果为:’,matr3-matr4)

矩阵相乘
print(‘矩阵相乘的结果为:’,matr3*matr4)
print(‘矩阵对应元素相乘结果为:’,np.multiply(matr3,matr4))
‘’‘查看矩阵属性’’’

转置
print(‘矩阵转置结果为:’,matr3.T)

共轭转置(实数的共轭就是其本身)
print(‘矩阵的共轭转置为:’,matr3.H)

逆矩阵
print(‘矩阵的逆矩阵的结果为:’,matr3.I)

返回二维数组的视图
print(‘矩阵的二维数组结果为:’,matr3.A)

数组的四则运算

x = np.array([1,2,3])
y = np.array([4,5,6])

数组相加
print(‘数组相加的结果为:’,x + y)

数组相减
print(‘数组相减的结果为:’,x - y)

数组相乘
print(‘数组相乘的结果为:’,x * y)

数组相除
print(‘数组相除的结果为:’,x / y)

数组幂运算
print(‘数组幂运算结果为:’,x ** y)

‘数组的比较运算

x = np.array([1,3,5])
y = np.array([2,3,4])
print(‘数组的比较结果为:’,x < y)
print(‘数字的比较结果为:’,x > y)

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
实验报告: 一、实验目的和要求 本次实验的主题为“Numpy数值计算”,旨在让我们掌握Numpy基本数据结构、Numpy数组创建基础运算,以及Numpy数组的统计分析方法。具体要求如下: 1、了解Numpy的基本数据结构,包括数组、矩阵等。 2、学会使用Numpy创建数组,并掌握数组的索引、切片、重塑等操作。 3、学会使用Numpy进行数组的基本运算,如加、减、乘、除等。 4、学会使用Numpy进行数组的统计分析,包括最大值、最小值、平均值、方差等。 二、实验过程 1、创建数组 我们首先需要了解Numpy的基本数据结构——数组数组可以看作是一种有序的元素集合,每个元素都有一个数字索引。Numpy提供了多种创建数组的方式,如下所示: import numpy as np # 从列表创建一维数组 a = np.array([1, 2, 3, 4, 5]) print(a) # 从列表创建二维数组 b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(b) # 创建全零数组 c = np.zeros((3, 3)) print(c) # 创建全一数组 d = np.ones((4, 4)) print(d) # 创建随机数数组 e = np.random.rand(3, 3) print(e) 2、数组的索引、切片和重塑 与Python中的列表类似,Numpy数组也支持索引、切片和重塑等操作。如下所示: # 数组索引 print(a[2]) print(b[1][2]) # 数组切片 print(a[1:4]) print(b[1:, 1:]) # 数组重塑 f = np.arange(12).reshape(3, 4) print(f) 3、数组的基本运算 Numpy支持数组的基本运算,如加、减、乘、除等。如下所示: # 数组加法 g = np.array([[1, 2], [3, 4]]) h = np.array([[5, 6], [7, 8]]) print(g + h) # 数组减法 print(g - h) # 数组乘法 print(g * h) # 数组除法 print(g / h) 4、数组的统计分析 Numpy提供了多种数组的统计分析方法,如最大值、最小值、平均值、方差等。如下所示: # 数组最大值 print(np.max(g)) # 数组最小值 print(np.min(g)) # 数组平均值 print(np.mean(g)) # 数组方差 print(np.var(g)) 三、实验结果 经过以上实验,我们成功地掌握了Numpy的基本数据结构、数组创建基础运算,以及数组的统计分析方法。我们可以使用Numpy进行更为高效和准确的数值计算,并且可以快速地进行数据可视化和分析。 四、实验总结 本次实验让我们深入了解了Numpy数值计算和数据分析功能,掌握了创建数组数组的索引、切片和重塑、数组的基本运算和统计分析等技能。在日后的学习和应用中,我们将更加熟练地使用Numpy进行数据处理和分析,并且可以更好地应对各种数据分析任务。

“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
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