Numpy学习
文章平均质量分 67
李博清
捡垃圾的技术渣。
展开
-
【Numpy学习 11】排序,搜索和计数
文章目录一、排序【例1-1】numpy.sort(a[, axis=-1, kind='quicksort', order=None])【例1-2】排序后索引位置替代排序后的结果numpy.argsort【例1-3】照某一指标进行排序numpy.lexsort【例1-4】numpy.partition(a, kth, axis=-1, kind='introselect', order=None)【例1-5】numpy.argpartition(a, kth, axis=-1, kind='introsel原创 2021-01-21 00:27:07 · 157 阅读 · 0 评论 -
【Numpy学习 10】向量化和广播
文章目录一、介绍二、示例介绍【例2-1】二维数组加一维数组【例2-2】两个数组均需要广播【例2-3】不匹配报错的例子演示一、介绍向量化和广播这两个概念是 numpy 内部实现的基础。有了向量化,编写代码时无需使用显式循环。这些循环实际上不能省略,只不过是在内部实现,被代码中的其他结构代替。向量化的应用使得代码更简洁,可读性更强,也可以说使用了向量化方法的代码看上去更“Pythonic”。广播(Broadcasting)机制描述了 numpy 如何在算术运算期间处理具有不同形状的数组,让较小的原创 2021-01-20 00:40:46 · 166 阅读 · 0 评论 -
【Numpy学习 09】数组操作
文章目录一、更改形状【例1-1】numpy.ndarray.shape【例1-2】numpy.ndarray.flat【例1-3】numpy.ndarray.flatten([order='C'])【例1-4】numpy.ravel(a, order='C')【例1-5】numpy.reshape(a, newshape[, order='C'])二、数组转置【例2-1】转置三.更改维度【例3-1】增加维度numpy.newaxis = None【例3-2】删除单维度numpy.squeeze(a, axi原创 2021-01-16 00:14:01 · 909 阅读 · 0 评论 -
【Numpy学习 08】数组迭代
除了for循环,Numpy 还提供另外一种更为优雅的遍历方法。apply_along_axis(func1d, axis, arr)当数据为二维时,axis = 0,代表x轴,取1代表y轴当数据为三维时,axis = 0,代表z轴,取1代表x轴,取2代表y轴import numpy as npx = np.array([[11, 12, 13, 14, 15],[16, 17, 18, 19, 20],[21, 22, 23, 24, 25],[26, 27, 28, 29, 30],.原创 2021-01-14 14:56:27 · 97 阅读 · 0 评论 -
【Numpy学习 07】索引与切片
终于来到重点部分了。。。说白了用途就是在创建的数组上提取数据或者修改数据,以下为具体介绍。数组索引机制指的是用方括号([])加序号的形式引用单个数组元素,它的用处很多,比如抽取元素,选取数组的几个元素,甚至为其赋一个新值。1.整数索引【例1】要获取数组的单个元素,指定元素的索引即可。import numpy as np#一维数组x = np.array([1, 2, 3, 4, 5, 6, 7, 8])print(x[2]) # 3#5*5数组,二维x = np.array([[1.原创 2021-01-14 14:45:17 · 115 阅读 · 0 评论 -
【Numpy学习 06】副本与视图
在 Numpy 中,尤其是在做数组运算或数组操作时,返回结果不是数组的 副本 就是 视图。在 Numpy 中,所有赋值运算不会为数组和数组中的任何元素创建副本。1. numpy.ndarray.copy() 函数函数创建一个副本。 对副本数据进行修改,不会影响到原始数据,它们物理内存不在同一位置。import numpy as npx = np.array([1, 2, 3, 4, 5, 6, 7, 8])y = x #赋值y[0] = -1print(x)# [-1 2 3.原创 2021-01-14 13:41:55 · 76 阅读 · 0 评论 -
【Numpy学习 05】数组的属性
数组属性numpy.ndarray.ndim 用于返回数组的维数(轴的个数)也称为秩,一维数组的秩为 1,二维数组的秩为 2,以此类推。numpy.ndarray.shape 表示数组的维度,返回一个元组,这个元组的长度就是维度的数目,即 ndim 属性(秩)。numpy.ndarray.size 数组中所有元素的总量,相当于数组的 shape 中所有元素的乘积,例如矩阵的元素总量为行与列的乘积。numpy.ndarray.dtype ndarray 对象的元素类型。numpy.ndarray.原创 2021-01-14 13:22:09 · 544 阅读 · 0 评论 -
【Numpy学习 04】数组创建
1 现有数据创建 ndarray【例1-1】array()函数创建import numpy as np#一维数组创建a = np.array([0,1,2,3])print(a,type(a)) #[0 1 2 3] <class 'numpy.ndarray'>#二维数组创建b = np.array([[0,1,2,3],[1,2,3,4]])print(b,type(b)) #[[0 1 2 3]#[1 2 3 4]] <class 'numpy.ndarray原创 2021-01-11 23:38:54 · 271 阅读 · 0 评论 -
【Numpy学习 03】时间日期和时间增量
1、datetime64 基础在 numpy 中,我们很方便的将字符串转换成时间日期类型 datetime64 ( datetime 已被 python 包含的日期时间库所占用)。datatime64 是带单位的日期时间类型,其单位如下:日期单位代码含义Y年M月W周D天h小时m分钟s秒【例1-1】默认下创建datetime类型默认情况下np会根据字符串自动选择对应单位def DateTest(time): a原创 2021-01-11 00:35:47 · 787 阅读 · 0 评论 -
【numpy学习 02】数据类型
1、常见数据类型Python 原生的数据类型相对较少,** bool、int、float、str**等。科学计算中要求较高,为了加以区分 numpy 在这些类型名称末尾都加了“_”。2、创建数据类型numpy的数值类型实际是dtype对象的实例#源码dtypeclass dtype(object): def __init__(self, obj, align=False, copy=False): pass【例2】创建不同的数据类型import numpy as npa =原创 2021-01-10 22:43:44 · 205 阅读 · 0 评论 -
【Numpy 学习01】常量
前言注:文章代码示例均导入 import numpy as npnumpy 库 包括以下几个常量:np.NaN、 np.inf、np.pi、 np.e1 np.NaN表示空值 np.nan=np.NaN=np.NAN两个np.NaN不相等#两个np.NaN 不相等import numpy as npprint(np.NaN == np.NaN) #Falseprint(np.NaN != np.NaN) #Truenumpy.isnan(x, *args, **kwarg原创 2021-01-10 21:24:16 · 268 阅读 · 0 评论