神经网络与深度学习——TensorFlow2.0实战(笔记)(五)(NumPy科学计算库<1>python)
多维数组
形状(Shape):
是一个元组,描述数组的维度,以及各个维度的长度。
长度(Length):
某个维度中的元素个数。
数字 | 单门课程成绩 | 1*课程成绩 |
一维数组 | 多门课程成绩 | n*课程成绩 |
二维数组 | 多个同学多名课程成绩 | 课程成绩+学生 |
三位数组 | 多个班级的多个学生的多门课程成绩 | 课程成绩+学生+班级 |
四维数组 | 多个年纪多个班级的多个学生的多门课程成绩 | 课程成绩+学生+班级+年纪 |
五维数组 | 多个学校多个年纪多个班级的多个学生的多门课程成绩 | 课程成绩+学生+班级+年纪+学校 |
NumPy
提供了多维数组、矩阵的常用操作和一些高效的科学计算函数
安装NumPy库
Anaconda:在Anaconda中,已经被安装了NumPy
pip安装:pip install nump(win+r,输入cmd)
导入NumPy库
import numpy as np
from nump import *
数组元素的数据类型
int8、uint8、int16、uint16、int32、uint32、int64、uint64
float16、float32、float64、float128
complex64、complex128、complex256
bool、object、string_、unicode
创建数组
array([列表]/(元组), dtype=数据类型)
import numpy as np
#创建数组
#NumPy要求数组中所有元素的数据类型必须是一致的
a=np.array([0,1,2,3,4],dtype=np.int64)#占用新的内存
b=np.array([0,1,2,3,4])
print(a)
#输出指定的数组元素
print(a[0])
数组的属性
print(a.ndim)#数组维数
print(a.shape)#数组形状描述数组的维度,以及各个维度内部的元素个数
print(a.size)#数组元素的总个数
print(a.dtype)#数组元素的数据类型
print(a.itemsize)#数组中每个元素的字节数
二维数组:
#二维数组
c=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(c.ndim)#数组维数
print(c.shape)#数组形状描述数组的维度,以及各个维度内部的元素个数
print(c.size)#数组元素的总个数
print(c.dtype)#数组元素的数据类型
print(c.itemsize)#数组中每个元素的字节数
print(c[0])
print(c[0].ndim)#数组维数
print(c[0].shape)#数组形状描述数组的维度,以及各个维度内部的元素个数
print(c[0].size)#数组元素的总个数
print(c[0].dtype)#数组元素的数据类型
print(c[0].itemsize)#数组中每个元素的字节数
三维数组
#三维数组
d=np.array([[[0,1],[2,3]],[[4,5],[6,7]],[[8,9],[10,11]]])
print("d:",d.ndim)#数组维数
print("d:",d.shape)#数组形状描述数组的维度,以及各个维度内部的元素个数
print("d:",d.size)#数组元素的总个数
print("d:",d.dtype)#数组元素的数据类型
print("d:",d.itemsize)#数组中每个元素的字节数
print(d[0])
print("d[0]:",d[0].ndim)#数组维数
print("d[0]:",d[0].shape)#数组形状描述数组的维度,以及各个维度内部的元素个数
print("d[0]:",d[0].size)#数组元素的总个数
print("d[0]:",d[0].dtype)#数组元素的数据类型
print("d[0]:",d[0].itemsize)#数组中每个元素的字节数
print(d[0][0])
print("d[0][0]:",d[0][0].ndim)#数组维数
print("d[0][0]:",d[0][0].shape)#数组形状描述数组的维度,以及各个维度内部的元素个数
print("d[0][0]:",d[0][0].size)#数组元素的总个数
print("d[0][0]:",d[0][0].dtype)#数组元素的数据类型
print("d[0][0]:",d[0][0].itemsize)#数组中每个元素的字节数
创建特殊的数组
#创建数字序列数组(起始数字,结束数字,步长,dtype)
# 起始数字可以省略, 默认从0开始,步长省略默认从1开始
print(np.arange(4))
print(np.arange(0,2,0.3))
#创建全1数组(shape,dtype)
onelist = np.ones((3,2))
print(onelist)
#创建全0数组(shape,dtype)
print(np.zeros((3,2)))
#创建单位数组(行数,列数,dtype)
print(np.eye(3))
print(np.eye(3,2))
#创建等差数组(起始数字,结束数字,元素个数,元素数据类型)
print(np.linspace(1,10,10))
#创建等比数组(起始指数,结束指数,元素个数,基数,元素数据类型)
print(np.logspace(1,5,5,base=2))
#将列表或元组转化为numpy数组对象,不会占用新的内存
onelistasarray = np.asarray(onelist)
print("onelistasarray\n",onelistasarray)
#array()会复制出一个副本,占用新的内存
onelistarray =np.array(onelist)
print("onelistarray\n",onelistarray)
onelist[0][0]=9
print("onelist变\n",onelist)
print("onelistasarray变\n",onelistasarray)
print("onelistarray变\n",onelistarray)
神经网络与深度学习——TensorFlow2.0实战(笔记)(五)(NumPy科学计算库<1>python)相关推荐
- 神经网络与深度学习——TensorFlow2.0实战(笔记)(五)(NumPy科学计算库<矩阵和随机数>python)
矩阵和随机数 矩阵 创建矩阵 #创建矩阵 astring = np.mat("1 2 3; 4 5 6") alist = [[1,2,3],[4,5,6]] anplist = ...
- 神经网络与深度学习——TensorFlow2.0实战(笔记)(五)(NumPy科学计算库<2>python)
数组元素的切片 一维数组 #一维数组 #切片方法和Python序列数据结构的切片一样 a=np.array([0,1,2,3,4],dtype=np.int64)#占用新的内存 #不包括结束位置 pr ...
- 神经网络与深度学习——TensorFlow2.0实战(笔记)(五)(Matplotlib绘图基础<散点图>python)
散点图(Scatter): 是数据点在直角坐标系中的分布图 scatter() 函数 marker参数--数据点样式 添加文字--text() 函数 坐标轴设置 增加图例 绘制标准正态分布的散点图步骤 ...
- 神经网络与深度学习——TensorFlow2.0实战(笔记)(五)(Matplotlib绘图基础<1>python)
数据可视化 数据分析阶段:理解和洞察数据之间的关系 算法调试阶段:发现问题,优化算法 项目总结阶段:展示项目成果 Matplotlib: 第三方库,可以快速方便地生成高质量的图表 安装Matplotl ...
- 神经网络与深度学习——TensorFlow2.0实战(笔记)(二)(开发环境介绍)
开发环境介绍 Python3 1.结构清晰,简单易学 2.丰富的标准库 3.强大的的第三方生态系统 4.开源.开放体系 5.高可扩展性:胶水语言 6.高可扩展性:胶水语言 7.解释型语言,实现复杂算法 ...
- 神经网络与深度学习——TensorFlow2.0实战(笔记)(二)(安装TensorFlow2.0)
创建环境并激活 conda create --name tensorflow2.0 python==3.7 activate tensorflow2.0 安装相关软件包(conda命令或pip命令2选 ...
- 神经网络与深度学习——TensorFlow2.0实战(笔记)(四)(python模块、包和库)
模块(Module) 模块是一个python文件(.py),拥有多个功能相近的函数或类. 便于代码复用,提高编程效率,提高了代码的可维护性. 避免函数名和变量名冲突. 包(Package) 为了避免模 ...
- 神经网络与深度学习——TensorFlow2.0实战(笔记)(三)(python运算符和表达式)
从程序中学习知识点 1.算术运算符 #运算符(Operator):完成不同类型的常量.变量之间的运算 #除法运算 / 结果是一个浮点型的精确数的值,与java等其他语言的不同之处 print(7/2, ...
- 神经网络与深度学习——TensorFlow2.0实战(笔记)(三)(python常量、变量和表达式)
从程序中学习知识点 1. #支持6中表达形式 数字 字符串 列表 元组 字典 集合 #数字 整型(正整数 负整数 零) #Python3中的整数可以任意大,而不用担心位数不够而导致溢出的情况 intn ...
最新文章
- ActiveMQ—消息特性(延迟和定时消息投递)
- delete []实现机制
- ASP.NET 2.0 Web Part编程入门(实践篇)
- 基础回顾(正则、循环、和、 int和Integer、String /StringBuffer、Array和ArrayList、值传递和引用传递、 Lamda、java8)
- 学Ruby开发的几个好网站
- 第一次使用 Blog
- 【Python基础入门系列】第03天:Python 变量与数据类型
- JAVA解析存储过程获取的对象_java 解析数据的存储过程的
- 经典计算机实现量子逻辑门,量子计算机:对量子逻辑门的探讨
- MQTT客户端程序的编写
- Qt中使用QtDataVisualization实时绘制雷达点云三维散点图
- 保姆级教学——虚拟机器人平台vrep(coppeliaSim)的机器人平台搭建
- 震网三代(CVE-2017-8464)
- php网页设计课程设计dreamweaver8_Dreamweaver 8.0 多媒体网页制作教程
- mysql 1.4安装步骤_1.4.1 MySql安装配置
- python-数据分析(3-Matplotlib之各种图形应用)
- spark配置elasticsearch属性汇总(基于es7)
- DRM(一):什么是DRM
- DCDC电源SW波形负压以及轻载振荡问题
- Amelia:下一代WordPress预订插件
热门文章
- (JAVA)Object类之toString()和equals()
- 【C语言进阶深度学习记录】十二 C语言中的:字符和字符串
- 【C++深度剖析教程28】C++对象模型分析
- shell 脚本实现退点输出
- 坏掉的项链Broken Necklace
- upc 9519 New Game
- Python爬去知乎上问题下所有图片
- Linux命令应用大词典-第25章 备份与还原
- 【02】koala编译中文出错(已放弃不用)
- BZOJ 4000: [TJOI2015]棋盘( 状压dp + 矩阵快速幂 )