![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
numpy
佳hong
这个作者很懒,什么都没留下…
展开
-
python数组操作容易犯的错误
在下面的例子中,希望做到的是数组a,b中元素大于3的置为1,其余为0。应该先做置0操作。程序:import numpy as npa = [1,2,2,3,4,5]a = np.array(a)b = [1,2,2,3,4,5]b = np.array(b)# 错误的例子a[a>3] = 1a[a<=3] = 0print('a',a)b[b<=3] = 0b[b>3] = 1print('b',b)输出:a [0 0 0 0 0原创 2022-05-04 11:09:40 · 907 阅读 · 0 评论 -
numpy,tensorflow2.0数据切片方式总结
原创 2021-02-16 17:41:44 · 212 阅读 · 0 评论 -
numpy线性代数
numpy线性代数import numpy as np#构造矩阵mat = np.mat((np.arange(9)+1).reshape(3,3))print(mat)[[1 2 3] [4 5 6] [7 8 9]]1.求逆使用矩阵求逆,I使用线性代数, invprint(mat.I)[[ 3.15251974e+15 -6.30503948e+15 3.15251974e+15] [-6.30503948e+15 1.26100790e+16 -6.30503原创 2021-01-23 17:21:52 · 200 阅读 · 0 评论 -
squarewave
numpy绘制方波方波函数∑k=1∞4×sin((2k−1)t)(2k−1)×π \sum_{k=1}^{\infty} \frac{4\times sin((2k-1)t)}{(2k-1) \times \pi}k=1∑∞(2k−1)×π4×sin((2k−1)t)import numpy as npimport matplotlib.pyplot as pltk = 4# 步长t = np.linspace(-np.pi, np.pi, 201)k = np.arange原创 2021-01-23 14:26:12 · 395 阅读 · 0 评论 -
numpy 一些统计学计算函数
一些统计学的计算np.cov协方差矩阵diagonal函数查看对角线上的元素trace函数计算矩阵的迹std()标注差ployfit函数可以用多项式去拟合一系列数据点polyval用于计算多项式值roots函数找出我们拟合的多项式函数什么时候到达0值polyder求导import numpy as npa = [1,3,5,2,7,8,10]l = np.arange(len(a))poly = np.polyfit(l, a, 3) # 3阶p原创 2021-01-19 10:31:39 · 241 阅读 · 0 评论 -
numpy 数组的修剪和压缩
数组的修剪和压缩import numpy as npa = np.array([1,2,3,4,5,6])print(a)[1 2 3 4 5 6]clip方法返回一个修剪过的数组,也就是将所有比给定最大值还大的元素全部设为给定的最大值,而所有比给定最小值还小的元素全部设为给定的最小值。例如,设定范围1到2对0到4的整数数组进行修剪print(a.clip(2,5))[2 2 3 4 5 5]compress方法返回一个根据给定条件筛选后的数组print(a.comp原创 2021-01-16 11:11:38 · 1088 阅读 · 0 评论 -
numpy 读写文件
常用函数–读写文件import numpy as np# 创建一个单位矩阵a = np.eye(2)print(a)[[1. 0.] [0. 1.]]1.txt文件使用np.savetxt和loadtxtnp.savetxt('eye.txt',a)a = np.loadtxt('eye.txt')print(a)[[1. 0.] [0. 1.]]2.CSV文件逗号分隔值(Comma-Separated Values,CSV,有时也称为字符分隔值,因为分隔字符也可以不是原创 2021-01-16 11:05:59 · 527 阅读 · 0 评论 -
numpy数组的属性
数组的属性import numpy as npa = np.arange(24).reshape(2,3,4)b = np.arange(24).reshape(3,8)print(a)print(b)[[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]][[ 0 1 2 3 4 5 6 7] [ 8 9 10 11 12 13原创 2021-01-14 22:47:38 · 405 阅读 · 0 评论 -
numpy分割数组
分割数组import numpy as npa = np.arange(24).reshape(2,3,4)b = np.arange(24).reshape(3,8)print(a)print(b)[[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]][[ 0 1 2 3 4 5 6 7] [ 8 9 10 11 12 13 1原创 2021-01-14 22:40:19 · 1003 阅读 · 0 评论 -
numpy数组的组合
数组的组合import numpy as npa = np.arange(6).reshape(2,3)b = a * 2print(a)print(b)[[0 1 2] [3 4 5]][[ 0 2 4] [ 6 8 10]]水平组合使用hstack, 注意传入的是(a,b)print(np.hstack((a,b)))[[ 0 1 2 0 2 4] [ 3 4 5 6 8 10]]使用concatenateprint(np.con原创 2021-01-14 22:07:15 · 1612 阅读 · 0 评论 -
numpy改变数组的维度
改变数组的维度import numpy as npa = np.arange(24).reshape(2,3,4)print(a)[[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]]ravel flatten函数完成展平的操作flatten函数会请求分配内存来保存结果,而ravel函数只是返回数组的一个视图(view)两种写法print(np原创 2021-01-14 21:42:07 · 611 阅读 · 1 评论 -
numpy多维数组的切片和索引
多维数组的切片和索引import numpy as npb = np.arange(24)print(b)[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]reshape函数切分的思想,先分两半,对应2,再在每个分3份对应3……a = b.reshape(2,3,4)print(a)[[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [原创 2021-01-14 21:23:48 · 252 阅读 · 0 评论 -
numpy自定义数据类型
自定义数据类型import numpy as np# 创建数据类型t = np.dtype([('name', str, 40),('num', np.int32),('price', np.float32)])print(t)[('name', '<U40'), ('num', '<i4'), ('price', '<f4')]print(t['name'])<U40item = np.array(['zhang',2,10])print(item)[原创 2021-01-13 22:59:24 · 856 阅读 · 0 评论