python中Numpy库的常用操作是什么
发表于:2024-09-21 作者:千家信息网编辑
千家信息网最后更新 2024年09月21日,这篇文章给大家介绍python中Numpy库的常用操作是什么,内容非常详细,感兴趣的小伙伴们可以参考借鉴,希望对大家能有所帮助。numpy库的引入:import numpy as np1、numpy对
千家信息网最后更新 2024年09月21日python中Numpy库的常用操作是什么
这篇文章给大家介绍python中Numpy库的常用操作是什么,内容非常详细,感兴趣的小伙伴们可以参考借鉴,希望对大家能有所帮助。
numpy库的引入:
import numpy as np
1、numpy对象基础属性的查询
lst = [[1, 2, 3], [4, 5, 6]] def numpy_type(): print(type(lst)) data = np.array(lst, dtype=np.float64) # array将数组转为numpy的数组 # bool,int,int8,int16,int32,int64,int128,uint8,uint32, # uint64,uint128,float16/32/64,complex64/128 print(type(data)) # 数据类型 print(data.shape) # 几行几列 print(data.ndim) # 空间维数 print(data.dtype) # 元素类型 print(data.itemsize) # 元素所占字节 print(data.size) # 元素总数
2、numpy的数组的常用操作
def numpy_array(): # 输出2行4列的全0的numpy的array数组 print(np.zeros([2, 4])) # 一般用于数据初始化 # 输出3行5列的全1的numpy的array数组 print(np.ones([3, 5])) # 随机数 print(np.random.rand(2, 4)) # 生成2行4列的随机数矩阵,此时默认元素大小在0到1 print(np.random.rand()) # 打印一个随机数,此时默认元素大小在0到1 print(np.random.rand(1, 10, 3)) # 三个参数分别对应x、y、z轴,表示三维矩阵 # 与rand不同randint的三个参数表示范围[1,10)内的3个元素的一维数组 print(np.random.randint(1, 10, 3)) print(np.random.randint(1, 10)) # randint必须传入参数范围,这表示返回一个范围内的随机数 print(np.random.randn()) # 返回一个标准正态分布的随机数 print(np.random.randn(2, 4)) # 返回2行4列符合标准正态发布的随机数 print(np.random.choice([10, 2, 3, 1, 5, 6])) # 从可迭代数组中随机返回一个 print(np.random.beta(1, 10, 100)) # 随机生成[1,10]里符合beta发布的100元素的一维数组 lst1 = np.array([10, 20, 30, 40]) lst2 = np.array([4, 3, 2, 1]) # 直接操作 print(lst2 + lst1) print(lst2 - lst1) print(lst2 / lst1) print(lst2 * lst1) print(lst2 ** lst1) # 平方 # 点乘 print(np.dot(lst1.reshape([2, 2]), lst2.reshape([2, 2]))) # 追加 print(np.concatenate((lst2, lst1), axis=0)) # 0水平追加,1竖向追加 print(np.vstack((lst2, lst1))) # 竖向追加 print(np.hstack((lst2, lst1))) # 水平追加 # 分裂 print(np.split(lst2, 2)) # 分成2份 # 拷贝 print(np.copy(lst2))
3、numpy常用数据操作方法
def numpy_handle(): print(np.arange(1, 11)) # 生成[1,11)里的整数的一维数组,默认按1递增 print(np.arange(1, 11).reshape([2, 5])) # reshape方法可以将矩阵重构为x行y列的矩阵 print(np.arange(1, 11).reshape([2, -1])) # 也可以使用缺失值-1实现相同的效果 data = np.arange(1, 11).reshape([2, -1]) print(np.exp(data)) # 自然指数e的指数操作 print(np.exp2(data)) # 自然指数e的平方操作 print(np.sqrt(data)) # 开方操作 print(np.sin(data)) # 三角函数 print(np.log(data)) # 对数操作 print(data.max()) # 最大值 print(data.min()) # 最小值
4、numpy里axis的理解
def numpy_axis(): data = np.array([ [[1, 2, 3, 4], [5, 6, 7, 8]], [[9, 10, 11, 12], [13, 14, 15, 16]], [[17, 18, 19, 20], [20, 21, 22, 23]] ]) # axis从外而内的渗入,值越大渗透入层数越多,最大为n-1 # axis=0,表示从外而内n+1层,即1进行解析 print(data.sum(axis=2)) # 求和 #这里渗入了3层 print(data.max(axis=1)) # 获取最大值 print(data.min(axis=0)) # 获取最小值
5、numpy里常用的线性代数计算
这里记得引入依赖:
from numpy.linalg import * # 引入线性方程组的依赖
def numpy_line(): from numpy.linalg import * # 引入线性方程组的依赖 print(np.eye(3)) # 阶级为3的单位矩阵 lst3 = np.array([[1, 2], [3, 4]]) print(inv(lst3)) # 逆矩阵 print(lst3.transpose()) # 转置矩阵 print(det(lst3)) # 行列式 print(eig(lst3)) # 体征值和体征向量,第一个表示体征值,第二个表示体征向量 y = np.array([[5.], [7.]]) print(solve(lst3, y)) # 求解线性矩阵方程
关于python中Numpy库的常用操作是什么就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。
数组
矩阵
元素
随机数
常用
体征
线性
最大
参数
指数
数据
方程
范围
一维
生成
最小
三个
内容
向量
大小
数据库的安全要保护哪些东西
数据库安全各自的含义是什么
生产安全数据库录入
数据库的安全性及管理
数据库安全策略包含哪些
海淀数据库安全审计系统
建立农村房屋安全信息数据库
易用的数据库客户端支持安全管理
连接数据库失败ssl安全错误
数据库的锁怎样保障安全
码头管理系统软件开发人员
gbase连接其他数据库
本地物理服务器哪里买
服务器突然运营的特别缓慢
物竞数据库罗丹明6G
90后网络安全守护者
数据库连接检查语句
苹果公司中国数据库
delete数据库怎么删除
魔兽世界被取消的服务器
全市网络安全和信息化工作
新仙剑ol数据库物品id
哪里有卖阿里云服务器
灵溪服务器
阿里旺旺网络技术有限公司
服务器网页管理控制面板
龙口定制软件开发
网络安全和国家关系
江苏人工智能软件开发机构
网络安全保险公司数字化
软件开发 相关网名
php 文本编辑器数据库
关系型数据库有什么优势
湖南广电网络技术部
合肥 网络软件开发
龙口定制软件开发
鸣思网络技术有限公司董市长
通过竞赛检验网络安全技能水平
济南新城建软件开发平台 中标
eve数据库打不开怎么办