![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
numpy基础
zeronose
这个作者很懒,什么都没留下…
展开
-
numpy基础--8.numpy的深拷贝和浅拷贝
import numpy as np arr1 = np.array([1,2,3])#浅拷贝,arr1和arr2共享一块内存 arr2 = arr1 arr2[0] = 5 print(arr1) print(arr2) out: [5 2 3] [5 2 3] arr3 = arr1.copy()#深拷贝 arr3[0] = 10 print(arr1) print(arr3) out: [5 2 3] [10 2 3]原创 2021-04-23 17:21:58 · 132 阅读 · 0 评论 -
numpy基础--7.array分割
import numpy as np arr1 = np.arange(12).reshape((3,4)) print(arr1) out: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] arr2,arr3 = np.split(arr1,2,axis=1)#列方向分割,分成两份 print(arr2) print(arr3) out: [[0 1] [4 5] [8 9]] [[ 2 3] [ 6 7] [10 11]] arr4,arr5,ar原创 2021-04-23 17:18:25 · 230 阅读 · 0 评论 -
numpy基础--6.array合并
import numpy as np arr1 = np.array([1,2,3]) arr2 = np.array([4,5,6]) arr3 = np.vstack((arr1,arr2))#垂直合并 print(arr3) print(arr3.shape) out: [[1 2 3] [4 5 6]] (2, 3) arr4 = np.hstack((arr1,arr2))#水平合并 print(arr4) out:[1 2 3 4 5 6] print(arr4.shape) out:(6,)原创 2021-04-23 17:08:04 · 293 阅读 · 0 评论 -
numpy基础--5.numpy的索引
import numpy as np arr1 = np.arange(2,14) print(arr1) out: [ 2 3 4 5 6 7 8 9 10 11 12 13] print(arr1[4]) out:6 print(arr1[1:4])#不包含第4个位置,左闭右开 out: [3 4 5] print(arr1[5:-1])#最后一位是-1,不包含最后一位 out: [ 7 8 9 10 11 12] print(arr1[-2:])#最后两个 out: [12 13]原创 2021-04-23 15:37:26 · 77 阅读 · 0 评论 -
numpy基础--4.随机数的生成以及矩阵的运算2
import numpy as np sample = np.random.random((3,2))#生成3行2列从0到1的随机数 print(sample) print(type(sample)) out: [[0.60438951 0.34667702] [0.18884105 0.51541119] [0.03031478 0.34442602]] out: <class 'numpy.ndarray'> sample2 = np.random.normal(size=(3,2))原创 2021-04-23 14:01:15 · 263 阅读 · 1 评论 -
numpy基础--3.numpy的运算1
import numpy as np arr1 = np.array([[1,2,3], [4,5,6]]) arr2 = np.array([[1,1,2], [2,3,3]]) print(arr1) print(arr2) out: [[1 2 3] [4 5 6]] [[1 1 2] [2 3 3]] #numpy的array是逐个元素计算的 print(arr1+arr2) out: [[2 3 5] [6 8 9]] print原创 2021-04-22 22:28:56 · 86 阅读 · 0 评论 -
Python列表、Numpy数组与矩阵的区别
原文链接 Python列表和Numpy数组的区别: Numpy使用ndarray对象来处理多维数组,该对象是一个快速而灵活的大数据容器。使用Python列表可以存储一维数组,通过列表的嵌套可以实现多维数组,那么为什么还需要使用Numpy呢?Numpy是专门针对数组的操作和运算进行了设计,所以数组的存储效率和输入输出性能远优于Python中的嵌套列表,数组越大,Numpy的优势就越明显。通常Numpy数组中的所有元素的类型都是相同的,而Python列表中的元素类型是任意的,所以在通用性能方面Numpy数组不及原创 2021-04-22 21:50:31 · 652 阅读 · 1 评论 -
numpy基础--2.创建array
import numpy as np a = np.array([1,2,3],dtype=np.int32)#创建array时可以定义元素类型 print(a.dtype) out:int32 b = np.array([1,2,3],dtype=np.float) print(b.dtype) out:float64 zero = np.zeros((2,3))#生成2行3列全为0的数组(不是矩阵) print(zero) out: [[0. 0. 0.] [0. 0. 0.]] one = np.o原创 2021-04-22 21:42:13 · 285 阅读 · 0 评论 -
numpy基础--1.numpy的属性
import numpy as np array = np.array([[1,2,3], [4,5,6], [7,8,9]]) print(array) out: [[1 2 3] [4 5 6] [7 8 9]] print(array.ndim)#维度 out:2 print(array.size)#大小 out: 9 print(array.shape)#形状 out:(3,3) print(array.dtype)#原创 2021-04-22 20:24:35 · 65 阅读 · 0 评论