![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
numpy
文章平均质量分 51
右边是我女神
笔记仓库
展开
-
Numpy_3(linalg)
文章目录数据归一化求解方阵的逆矩阵行列式求解线性方程组求矩阵的特征值求特征值和特征向量 数据归一化 import numpy as np x = np.matrix([[1,2,3],[4,5,6],[7,8,9]]) # 按照行 一范数 不保持二维形状 a = np.linalg.norm(x,ord=1,axis=1,keepdims=False) print('\n',a,a.shape,'\n') # 按照列 二范数 保持二维形状 b = np.linalg.norm(x,ord=2,axis=0,原创 2021-05-25 20:15:33 · 78 阅读 · 0 评论 -
Numpu_2(Matrix)
Matrix与Array是numpy中的两种不同的数据类型。 他们两者在很多时候是可以通用的。 倘若可以通用,我们通常采用Array。 基本操作 创建Matrix a = np.matrix('1 2;3 4') a = np.matrix([[1,2],[3,4]]) 注: 1.第一种创建方式有三个注意点:a}换行用逗号隔开;b)内部数据为字符串形式;c)元素之间用空格隔开; 2.矩阵一定是二维的,当array是三维时,将后两个维度合并为一个列表。 转化为Matrix a = np.array([[1,原创 2021-05-16 00:49:47 · 118 阅读 · 0 评论 -
CSV!
什么是csv 将数据作为一系列以都好分隔的值写入文件。这样的文件称为csv文件。 如何使用csv 打开csv import csv f = open(filename) reader = csv.reader(f) #创建一个与文件相关联的阅读器对象 数据类型为csv.reader #可通过list()转化为二维矩阵 row = next(reader) #返回一个一行(列表) 打印文件头及其位置 for index,column_header in enumerate(head_row): prin原创 2021-05-05 22:03:56 · 79 阅读 · 0 评论 -
Numpy_1
文章目录一、数组简介初始化索引切片副本属性(3+1)维度元素总数量数据类型修改数据类型种子创建(9种)变形二、通用函数-数组计算数组的运算绝对值三角函数指数和对数指数对数数组间的运算高级的通用函数特性指定输出聚合三、聚合函数四、广播规则 一、数组简介 初始化 arr = np.array([1,2,3],[4,5,6]) 索引 arr[1][2] arr[1,2] arr[1,-1] #第二行 最后一列 arr[np.arrange(0,2),[0,1]] #取出a[0,1] a[1,1] 返回一个列表原创 2021-03-29 00:46:49 · 214 阅读 · 1 评论