python数组基础学习——基于Numpy

最新推荐文章于 2023-02-23 22:48:10 发布
最新推荐文章于 2023-02-23 22:48:10 发布
阅读量92 收藏
点赞数
分类专栏： python基础
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44965023/article/details/109625913
版权

一：创建数组及数组属性。
在这里插入图片描述
二：数组与数组的运算。
在这里插入图片描述

三：数组索引

  1. 一维数组。
    在这里插入图片描述
  2. 多维数组。
    在这里插入图片描述

四：矩阵运算（重点）
在这里插入图片描述
五：补充

  矩阵与数组的转化

a = np.matrix('1,2,3,4,5')
print(a.ndim)
2        #向量类型都是二维

b = np.asarray(a)
b.ndim
2         # 向量转为数组后为二维

b = np.asarray(a).ravel()
b.ndim
1        # 扁平化操作，变为一维数组
寻欢公子
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【Python语言基础】——Python NumPy 数组排序
玄链教育
02-22 1425
NumPy ndarray 对象有一个名为 sort() 的函数，该函数将对指定的数组进行排序。有序序列是拥有与元素相对应的顺序的任何序列，例如数字或字母、升序或降序。注释：此方法返回数组的副本，而原始数组保持不变。排序是指将元素按有序顺序排列。对 2-D 数组排序。对 2-D 数组排序。
【Python语言基础】——Python NumPy 数组搜索
玄链教育
02-21 1005
有一个名为 searchsorted() 的方法，该方法在数组中执行二进制搜索，并返回将在其中插入指定值以维持搜索顺序的索引。返回值是一个数组：[1 2 3] 包含三个索引，其中将在原始数组中插入 2、4、6 以维持顺序。默认情况下，返回最左边的索引，但是我们可以给定 side=‘right’，以返回最右边的索引。该方法从左侧开始搜索，并返回第一个索引，其中数字 7 不再大于下一个值。该方法从右边开始搜索，并返回第一个索引，其中数字 7 不再小于下一个值。要搜索多个值，请使用拥有指定值的数组。
【Python语言基础】——Python NumPy 数组索引
玄链教育
02-16 634
上例中的索引 4，我们的值为 4，因此可以说第 5 个 ( 4 + 1 th) 维度有 4 个元素。NumPy 数组有一个名为 shape 的属性，该属性返回一个元组，每个索引具有相应元素的数量。上面的例子返回 (2, 4)，这意味着该数组有 2 个维，每个维有 4 个元素。每个索引处的整数表明相应维度拥有的元素数量。数组的形状是每个维中元素的数量。元组的形状代表什么？
【Python语言基础】——Python NumPy 数组裁切
玄链教育
02-13 619
python 中裁切的意思是将元素从一个给定的索引带到另一个给定的索引。我们还可以定义步长，如下所示：[start：end：step]。我们像这样传递切片而不是索引：[start：end]。如果我们不传递 end，则视为该维度内数组的长度。如果我们不传递 start，则将其视为 0。注释：结果包括了开始索引，但不包括结束索引。如果我们不传递 step，则视为 1。注释：请记得第二个元素的索引为 1。
【Python语言基础】——Python NumPy 数组过滤
玄链教育
02-23 500
如果索引处的值为 True，则该元素包含在过滤后的数组中；如果索引处的值为 False，则该元素将从过滤后的数组中排除。在上例中，我们对 True 和 False 值进行了硬编码，但通常的用途是根据条件创建过滤器数组。因为新过滤器仅包含过滤器数组有值 True 的值，所以在这种情况下，索引为 0 和 2、4。上例是 NumPy 中非常常见的任务，NumPy 提供了解决该问题的好方法。从现有数组中取出一些元素并从中创建新数组称为过滤（filtering）。布尔索引列表是与数组中的索引相对应的布尔值列表。
【Python语言基础】——Python NumPy 数组重塑
玄链教育
02-17 478
我们可以将 8 元素 1D 数组重塑为 2 行 2D 数组中的 4 个元素，但是我们不能将其重塑为 3 元素 3 行 2D 数组，因为这将需要 3x3 = 9 个元素。展平数组（Flattening the arrays）是指将多维数组转换为 1D 数组。将以下具有 12 个元素的 1-D 数组转换为 2-D 数组。将以下具有 12 个元素的 1-D 数组转换为 3-D 数组。通过重塑，我们可以添加或删除维度或更改每个维度中的元素数量。数组的形状是每个维中元素的数量。重塑意味着更改数组的形状。
【Python语言基础】——Python NumPy 数组连接
玄链教育
02-19 1248
我们传递了一系列要与轴一起连接到 concatenate() 函数的数组。我们传递了一系列要与轴一起连接到 concatenate() 方法的数组。我们可以沿着第二个轴连接两个一维数组，这将导致它们彼此重叠，即，堆叠（stacking）。NumPy 提供了一个辅助函数：dstack() 沿高度堆叠，该高度与深度相同。在 SQL 中，我们基于键来连接表，而在 NumPy 中，我们按轴连接数组。NumPy 提供了一个辅助函数：hstack() 沿行堆叠。连接意味着将两个或多个数组的内容放在单个数组中。
【Python语言基础】——Python NumPy 数组迭代
玄链教育
02-18 370
NumPy 不会就地更改元素的数据类型（元素位于数组中），因此它需要一些其他空间来执行此操作，该额外空间称为 buffer，为了在 nditer() 中启用它，我们传参 flags=[‘buffered’]。在基本的 for 循环中，迭代遍历数组的每个标量，我们需要使用 n 个 for 循环，对于具有高维数的数组可能很难编写。有时，我们在迭代时需要元素的相应索引，对于这些用例，可以使用 ndenumerate() 方法。在 3-D 数组中，它将遍历所有 2-D 数组。在 2-D 数组中，它将遍历所有行。
【Python语言基础】——Python NumPy 数组拆分
玄链教育
02-20 1413
提示：我们也有 split() 方法可用，但是当源数组中的元素较少用于拆分时，它将不会调整元素，如上例那样，array_split() 正常工作，但 split() 会失败。提示：vsplit() 和 dsplit() 可以使用与 vstack() 和 dstack() 类似的替代方法。我们使用 array_split() 分割数组，将要分割的数组和分割数传递给它。使用 hsplit() 方法将 2-D 数组沿着行分成三个 2-D 数组。把这个 2-D 拆分为三个 2-D 数组。
Python学习笔记——Numpy数组的排序和搜索
12-21
总结来说，`sort`和`argsort`是NumPy中用于数组排序的基础工具，而`where`函数则提供了基于条件的元素操作，它们共同构成了NumPy处理数组时的强大功能。通过熟练掌握这些函数，能够有效地对数据进行预处理和分析。在...
numpy数组操作示例——2、b开头
12-21
在Python的科学计算库NumPy中，数组操作是其核心功能之一。本示例主要展示了以字母`b`开头的一些函数，这些函数涉及到信号处理、数值计算、位运算以及时间日期处理等多个方面。以下是详细解释： 1. `numpy.bartlett...
python学习笔记-机器学习库numpy
08-19
总结，Numpy是Python机器学习的基础，其高效的数组操作和丰富的数学函数为机器学习提供了强大支持。通过熟练掌握Numpy，可以更有效地进行数据处理和模型构建，提高机器学习项目的效率和准确性。在实际项目中，结合...
Python实现图片切割拼接实验——numpy数组的脑洞玩法
12-21
在Python中，我们可以利用强大的numpy库来实现对图像的处理，包括切割和拼接等操作。这个实验的目标是模仿一种奇特的图片处理方法，通过横切、隔条分组、再拼接，使得最终得到的图片与原图相同或相似。这种玩法依赖...
Numpy基础使用——基于jupyter
02-21
该文件是.ipynb，可直接...本文内容包括： 一、创建Ndarray数组 二、Numpy的数据类型 三、数组的切片和索引 四、Numpy广播与数组操作 五、数组合并与通用函数 六、Numpy的统计函数 七、Numpy随机数、逻辑运算与数据存取
财务报表，项目费用支出明细.xlsx
08-09
工资表，财务报表，对账表，付款申请，财务报告，费用支出表 适用人群：学习不同技术领域的小白或进阶学习者；可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。
ppap-第四版.pdf
08-09
ppap-第四版
铁路转辙机 ZD6 使用说明书
最新发布
08-09
铁路转辙机 ZD6 使用说明书
Python Numpy基础教程：掌握多维数组操作
"本资源为Numpy入门与实践的课程资料，旨在教授如何使用Python的科学计算库Numpy，内容涵盖多维数组的创建、索引与切片、通用函数、数组运算等方面，适合数据分析初学者。" Numpy是Python中用于科学计算的核心库，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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