import numpy as np # 用as语句来缩写(将numpy作为np导入)
# a = [1, 2, 3, 4, 5]
# print(a[:0]) # 列表切片操作[:0]表示从列表的开始到索引0(不包括索引0)的元素
# numpy
x = np.array([1.0, 2.0, 3.0]) # 先() 后 []
print(x)
y = np.array([2.0, 4.0, 6.0])
A = np.array([[1, 2], [3, 4]])
print(A.shape) # (2, 2)
# numpy的广播功能:所以不同形状的数组之间也可以顺利地进行运算
A1 = np.array([[1, 2], [3, 4]])
B1 = np.array([10, 20])
print(A1 * B1) # [[10 40],[30 80]]
# numpy访问元素
X = np.array([[51, 55], [14, 19], [0, 4]])
print(X[0]) # 第0行 [51 55]
print(X[0][1]) # (0,1)的元素 55
# 转换成一维数组
X = X.flatten() # [51 55 14 19 0 4]
print(X)
# 满足一定条件的元素 eg: X>15
print(X[X > 15]) # [51 55 19]
【深度学习入门】01numpy库的简单运用
最新推荐文章于 2024-08-09 16:21:21 发布
本文详细介绍了numpy库在Python中的应用,包括数组定义、切片操作、形状属性、广播功能、元素访问以及如何创建一维数组和基于条件筛选元素。
摘要由CSDN通过智能技术生成