numpy基本用法

最新推荐文章于 2022-09-12 18:13:29 发布
最新推荐文章于 2022-09-12 18:13:29 发布
阅读量530 收藏
点赞数
分类专栏： numpy 文章标签： numpy 对象 数据 class
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/xtingjie/article/details/70992649
版权

numpy的主要对象是多维数组，数组内每个元素类型相同

numpy中数组的维（dimension）叫做轴（axes），维数叫做rank

例如：[ [1, 2, 3], [4, 5, 6] ]的维数为2，第一维的长度为2，第二维的长度为3

numpy中数组类是ndarray

常用属性

常用属性包括shape（各个维度的元素个数）、ndim（维数）、size（数字的总个数）、dtype（数据类型比如int64）、itemsize（数字的字节个数，int64的itemsize就是8）

type(array)表示查看对象array的类
这里写图片描述

numpy数组的创建

有如下几种常见创建方式：array函数、zeros函数、ones函数、empty函数、random随机数、arange函数、linspace函数，等等

其中arange和linspace均表示等差数列，前者第三个参数表示步长，后者第三参数表示元素个数

这里写图片描述
这里写图片描述

这里写图片描述

数组基本操作

矩阵逐个元素相乘，直接用星号*即可
矩阵相乘用dot方法
两个星号**表示幂，比如a**2表示a中元素逐个平方一下
这里写图片描述

这里写图片描述

这里写图片描述

「已注销」
关注
专栏目录
NumPy基础知识
小枕的博客
05-28 1057
NumPy支持N维数组对象ndarray，与列表list不同的是，ndarray的元素只能是同一数据类型 一、array(数组)的属性 shape：返回一个元组，表示数组维度，如（2,3）表示二行三列 注意：如果想创建两个3行5列的数组，形状参数应为（2,3,5），而不是（3,5,2） ndim：返回一个数字，表示数组维度，如3表示三维数组 size：返回一个数字，表示数组中的元素个数，如20表示数组中有20个元素 dtype：返回数组元素的数据类型，如int32表示占32bit的整型元素 itemsize
Numpy基本用法
zx759174597的博客
05-29 402
Numpy的基本用法 Numpy是python最常用的一个库，功能十分的强大。Ndarray是一个具有矩阵运算和复杂广播的能力。这里我们记录一些比较常用的矩阵表达式。 1.ndarry创建 ###array函数可以创建一维或者多维ndarray numpy.array(object,dtype=None,copy=True,ndmin=0) 相关代码如下： arr1 = np.array([1,2,3,4]) arr2 = np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]]
Numpy之itemsize
qq_37385726的博客
08-14 1万+
目录 代码 输出   代码 import numpy as np #itemsize输出array元素的字节数 a=np.array([1,2,3,4]) print(a.itemsize) b=np.array([1.,2.,3.,4.]) print(b.itemsize) c=np.array([1,2,3,4],dtype=float) print(c.itemsize...
numpy--itemsize
weixin_37804424的博客
08-13 732
numpy中一个元素的大小（单位byte），和元素的类型有关 eg. x = np.array([[1, 2, 3], [4, 5, 6]], np.int32) y = np.array([[1, 2, 3], [4, 5, 6]], np.float) x.itemsize Out[10]: 4 y.itemsize Out[11]: 8
Numpy之itemsize函数
qq_42412622的博客
08-15 3657
掌握ndarray基本操作
numpy 调整数组矩阵大小以及部分属性像shape，reshape，ndim，size，itemsize等
微笑一号的博客
08-01 1万+
调整数组矩阵大小以及部分ndarray的属性
numpy基本使用方法示例
12-16
**numpy基本使用方法示例** 在Python编程领域，NumPy是一个不可或缺的库，它提供了强大的数值计算和数组操作功能。本教程将深入介绍NumPy的基本使用方法，包括数组创建、数组属性、数组操作、数学函数应用以及数据...
Numpy基本使用方法
nicexiangshuai的博客
06-04 264
Numpy基本使用方法 numpy简介 numpy、scipy和matplotlib组合使用代替matlab。numpy主要用于科学计算。 n维数组ndarray 1.ndarray.ndim 定义维度的数量 2.ndarray.shape 数组的维度 3.ndarray.size 数组元素的总个数 4.ndarray.dtype 元素类型 5.ndarray.data 包含实际数组元素的缓冲 创建 a = np.arange(15).reshape(3,5) print(a) >>>[[
numpy 用法总结
Dear_learner的博客
05-31 4228
简介 numpy 是Numerical Python的简称，是高性能的科学计算和数据分析的基础包，包含了大量的矩阵和数组的计算函数。下面来详细了解一下numpy的用法。 # 安装 numpy pip install numpy # 查看numpy的版本 numpy.__version__ # 导入numpy import numpy as np 一、创建ndarray ndarray：numpy中最基础的数据结构，一种多维的数组对象。 创建数组最简单的方法是使用array函数，它接受一切序列的对象，然后产
NumPy数组基本用法
qq_34988996的博客
08-29 358
目录 NumPy数组基本用法 numpy中的数组： 创建数组（np.ndarray对象）： ndarray常用属性： ndarray.dtype： ndarray.size： ndarray.ndim： ndarray.shape： ndarray.itemsize： NumPy数组基本用法 Numpy是Python科学计算库，用于快速处理任意维度的数组。 NumPy提供一个N维数组类型ndarray，它描述了相同类型的“items”的集合。 numpy.nda
Python基础自学（第七章-Numpy模块的科学计算）
廖子默
06-02 1273
第一部分：Numpy模块的简介 这个模块具有以下特性： 1：强大的多维数组类型 2：实用的函数 3：C/C++/Fortran语言作为底层实现 4：线性代数、傅里叶变换和随机数的支持 5：高效的数据存储容器 使用前导入该模块: 该模块的源代码放在Github上面 里面就是源代码 官方地址为： numpy的官方地址 第二部分：数组基础 该部分是Numpy的核心部分，整个模块都是围绕它来构建的，数组...
python:@运算符（numpy库中的运算符）
若丶尘的博客
07-17 2万+
前言 我在《python数学实验与建模》这本书中发现了@运算符，这可真是个奇怪的符号！我大量的尝试与查资料后，终于揭开这个@的意义 一、@运算符 1.仅仅支持数组运算 因此，必须用到numpy.array()才能使用这个运算符 2.这是python3.5后的新运算符 它与numpy.dot（）的作用是一样的，矩阵乘法（就是线性代数里学的）！ 举个例子： from numpy import array,dot a=array([[1,2], [1,2]]) b=array([[5,6],
python pandas query用法
背着行囊去远方的博客
09-12 3380
可以使用df.query('brand == "Python"')进行查找，也可以使用df[df['brand'] == "Python"]这种方式进行查找。query 函数在使用变量作为判断标准时，通过在变量前面添加。当需要在某列中筛选多个符合要求的值的时候，可以通过列表（在程序比较长的时候，经常会使用变量来作为筛选条件，函数还支持通过数学表达式来进行数据筛选，包括。两者都需要满足的并列条件使用符号。只需要满足其中之一的条件使用符号。使用引号处理的话，会报错。函数来进行数据筛选。
python.query()函数
qq_39306047的博客
04-14 2万+
#使用python.query()函数对数据框进行（挑选行）的操作 import pandas as pd d={ 'name':['a','n','c','d','e','f'], 'Gender':['male','female','male','male','female','female'], 'age':[23,24,24,22,21,20], 'hig...
numpy矩阵相乘@的用法
学而时习之
11-28 2万+
numpy矩阵相乘@的用法
numpy中的数组条件筛选功能
小灰笔记
04-09 2万+
在程序设计中，时常会遇到数据的唯一化、相同、相异信息的提取等工作，在格式化的向量存储矩阵中南，numpy能够提供比较不错的快速处理功能。 1，唯一化的实现： In [63]: data = np.array(['int','float','int','boolean','double','boolean']) In [64]: data Out[64]: array(['int'
python中@的用法
我脾气很好
09-30 2万+
在Python的函数中偶尔会看到函数定义的上一行有@functionName的修饰，当解释器读到@这样的修饰符的时候会优先解除@后的内容，直接就把@的下一行的函数或者类作为@后边函数的参数，然后将返回值赋给下一个修饰的函数对象。 ###示例代码 def function_1(A): print("function_1") def function_2(B): print(B(3...
python之numpy的基本使用
热门推荐
cxmscb的博客
01-17 34万+
一、numpy概述numpy模块提供了python对N维数组对象的支持：ndarray，ndarray数组中的元素须为同一数据类型，这一点与python的列表是不一样的。numpy支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。二、创建ndarray数组代码示例：# -*- coding: utf-8 -*-import numpy;print '使用列表生成一维数组' d
NumPy简明教程（二、数组1）
sunny2038的专栏
05-31 31万+
NumPy数组（1、数组初探） NumPy数组 NumPy数组是一个多维数组对象，称为ndarray。其由两部分组成： 实际的数据描述这些数据的元数据 大部分操作仅针对于元数据，而不改变底层实际的数据。 关于NumPy数组有几点必需了解的： NumPy数组的下标从0开始。同一个NumPy数组中所有元素的类型必须是相同的。 NumPy数组属性 在详细介绍NumPy数组
numpy的基本用法和使用案例
最新发布
07-14
NumPy（Numerical Python）是Python科学计算的核心库之一，它提供了高性能的多维数组对象（ndarray）以及相应的函数库。下面是NumPy的基本用法和使用案例： 1. 导入NumPy库： ```python import numpy as np ``` 2. 创建数组： ```python # 通过列表创建一维数组 arr1 = np.array([1, 2, 3, 4, 5]) # 通过列表创建二维数组 arr2 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 创建全零数组 zeros_arr = np.zeros((3, 4)) # 创建全一数组 ones_arr = np.ones((2, 3)) # 创建指定范围的等差数组 range_arr = np.arange(0, 10, 2) # 创建随机数数组 random_arr = np.random.rand(3, 3) ``` 3. 数组属性和操作： ```python # 查看数组的形状 shape = arr2.shape # 查看数组的维度 ndim = arr2.ndim # 查看数组的数据类型 dtype = arr2.dtype # 访问数组元素 element = arr2[0, 1] # 切片操作 sliced_arr = arr1[1:4] # 数组形状变换 reshaped_arr = arr2.reshape((9,)) # 数组转置 transposed_arr = arr2.T # 数组的基本运算 result = arr1 + arr2 ``` 4. 数组的统计操作： ```python # 计算数组的平均值 mean_value = np.mean(arr2) # 计算数组的标准差 std_value = np.std(arr2) # 计算数组的最大值 max_value = np.max(arr2) # 计算数组的最小值 min_value = np.min(arr2) # 计算数组的和 sum_value = np.sum(arr2) ``` 这些只是NumPy的一些基本用法和使用案例，NumPy还提供了更多强大的功能，包括数学函数、线性代数运算、傅里叶变换等。可以通过NumPy官方文档进行更详细的学习和了解。
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