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 ...

神经网络与深度学习——TensorFlow2.0实战(笔记)(五)(NumPy科学计算库＜1＞python)