day3--numpy

numpy–科学计算库

reshape给数组一个新的形状而不改变其数据，np是指定了numpy的别名，np.arange依次造出十五个元素变成了一个向量的形式，reshape函数表明，我们要生成一个3行5列这样的矩阵
import numpy as np
a = np.arange(15).reshape(3, 5)
print(a)
—[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]
输出矩阵的行数和列数
print(a.shape)
—(3, 5)
ndim中的dim是英文dimension维度的缩写，表示打印出矩阵的维度
print(a.ndim)
—2
dtype表示numpy的多维数组的元素的数据类型
print(a.dtype.name)
—int32
求矩阵元素的总数
print(a.size)
—15
初始化一个矩阵,可以传入参数行和列，生成一个零矩阵
print(np.zeros ((3,4)))
—[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]
初始化一个矩阵，可以传入参数行和列，还可以传入数据类型dtype
print(np.ones( (2,3,4), dtype=np.int32 ))
—[[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
```
[[1 1 1 1][1 1 1 1][1 1 1 1]]]
```
创建数字序列（arange通过定义起点终点步长然后我们构造出了一个数组右边界不可以取等号，取的是左闭右开区间）
（1）print(np.arange( 10, 30, 5 ))
—[10 15 20 25]
（2）print(np.arange( 0, 2, 0.3 ))
—[ 0. 0.3 0.6 0.9 1.2 1.5 1.8]
生成4行3列的矩阵
print(np.arange(12).reshape(4,3))
—[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
random构造出一个矩阵产生的值默认在-1-1之间
print(np.random.random((2,3)))
—[[ 0.70699628 0.45841938 0.69738657]
[ 0.88720793 0.7113168 0.85831305]]
指定一个区间我们要生成100个数指定了一个值起点值为0 终点值为2pi ，linspace意思就是在区间里面造出100个值这100个值间隔是平均的
from numpy import pi
np.linspace( 0, 2pi, 100 )

—[ 0. 0.06346652 0.12693304 0.19039955 0.25386607 0.31733259
0.38079911 0.44426563 0.50773215 0.57119866 0.63466518 0.6981317
0.76159822 0.82506474 0.88853126 0.95199777 1.01546429 1.07893081
1.14239733 1.20586385 1.26933037 1.33279688 1.3962634 1.45972992
1.52319644 1.58666296 1.65012947 1.71359599 1.77706251 1.84052903
1.90399555 1.96746207 2.03092858 2.0943951 2.15786162 2.22132814
2.28479466 2.34826118 2.41172769 2.47519421 2.53866073 2.60212725
2.66559377 2.72906028 2.7925268 2.85599332 2.91945984 2.98292636
3.04639288 3.10985939 3.17332591 3.23679243 3.30025895 3.36372547
3.42719199 3.4906585 3.55412502 3.61759154 3.68105806 3.74452458
3.8079911 3.87145761 3.93492413 3.99839065 4.06185717 4.12532369
4.1887902 4.25225672 4.31572324 4.37918976 4.44265628 4.5061228
4.56958931 4.63305583 4.69652235 4.75998887 4.82345539 4.88692191
4.95038842 5.01385494 5.07732146 5.14078798 5.2042545 5.26772102
5.33118753 5.39465405 5.45812057 5.52158709 5.58505361 5.64852012
5.71198664 5.77545316 5.83891968 5.9023862 5.96585272 6.02931923
6.09278575 6.15625227 6.21971879 6.28318531]

指定一个区间我们要生成100个数指定了一个值起点值为0 终点值为2pi ，linspace意思就是在区间里面造出100个值这100个值间隔是平均的然后最后我们对这个值取正弦即可
print(np.sin(np.linspace( 0, 2pi, 100 )))

—[ 0.00000000e+00 6.34239197e-02 1.26592454e-01 1.89251244e-01
2.51147987e-01 3.12033446e-01 3.71662456e-01 4.29794912e-01
4.86196736e-01 5.40640817e-01 5.92907929e-01 6.42787610e-01
6.90079011e-01 7.34591709e-01 7.76146464e-01 8.14575952e-01
8.49725430e-01 8.81453363e-01 9.09631995e-01 9.34147860e-01
9.54902241e-01 9.71811568e-01 9.84807753e-01 9.93838464e-01
9.98867339e-01 9.99874128e-01 9.96854776e-01 9.89821442e-01
9.78802446e-01 9.63842159e-01 9.45000819e-01 9.22354294e-01
8.95993774e-01 8.66025404e-01 8.32569855e-01 7.95761841e-01
7.55749574e-01 7.12694171e-01 6.66769001e-01 6.18158986e-01
5.67059864e-01 5.13677392e-01 4.58226522e-01 4.00930535e-01
3.42020143e-01 2.81732557e-01 2.20310533e-01 1.58001396e-01
9.50560433e-02 3.17279335e-02 -3.17279335e-02 -9.50560433e-02
-1.58001396e-01 -2.20310533e-01 -2.81732557e-01 -3.42020143e-01
-4.00930535e-01 -4.58226522e-01 -5.13677392e-01 -5.67059864e-01
-6.18158986e-01 -6.66769001e-01 -7.12694171e-01 -7.55749574e-01
-7.95761841e-01 -8.32569855e-01 -8.66025404e-01 -8.95993774e-01
-9.22354294e-01 -9.45000819e-01 -9.63842159e-01 -9.78802446e-01
-9.89821442e-01 -9.96854776e-01 -9.99874128e-01 -9.98867339e-01
-9.93838464e-01 -9.84807753e-01 -9.71811568e-01 -9.54902241e-01
-9.34147860e-01 -9.09631995e-01 -8.81453363e-01 -8.49725430e-01
-8.14575952e-01 -7.76146464e-01 -7.34591709e-01 -6.90079011e-01
-6.42787610e-01 -5.92907929e-01 -5.40640817e-01 -4.86196736e-01
-4.29794912e-01 -3.71662456e-01 -3.12033446e-01 -2.51147987e-01
-1.89251244e-01 -1.26592454e-01 -6.34239197e-02 -2.44929360e-16]

数组的算术运算是按元素逐个运算，数组运算后将创建包含运算结果的新数组。
a = np.array( [20,30,40,50] )
b = np.arange( 4 )
#print(a)
#print (b)
#b
c = a-b
#print©
b2
#print(b2)
print a<35
dot表示乘积；一维数组计算的是点积；二维数组计算的是矩阵乘积。

A = np.array( [[1,1],
[0,1]] )
B = np.array( [[2,0],
[3,4]] )
#print(A)
#print (B)
print(A*B)
print(A.dot(B))
print(np.dot(A, B) )
—[[2 0]
[0 4]]
[[5 4]
[3 4]]
[[5 4]
[3 4]]

day3--numpy相关推荐

100天机器学习(100-Days-Of-ML)day3多元线性回归及虚拟变量陷阱分析
本系列为100天机器学习学习笔记.详细请参考下方作者链接: 100天机器学习github: https://github.com/MLEveryday/100-Days-Of-ML-Code Day3 ...
机器学习一百天-day3多元线性回归及虚拟变量陷阱分析
机器学习一百天-day3多元线性回归及虚拟变量陷阱分析一,数据预处理导入数据集 import pandas as pd import numpy as npdataset = pd.read_cs ...
OpenCV 笔记（07）— Mat 对象输出格式设置（Python 格式、CSV 格式、NumPy 格式、C 语言格式）
首先是下面代码中将要使用的 r 矩阵的定义.需要注意,我们可以通过用 randu 函数产生的随机值来填充矩阵, 需要给定一个上限和下限来确保随机值在期望的范围内. Mat r = Mat(2, 3, ...
NumPy — 创建全零、全1、空、arange 数组，array 对象类型，astype 转换数据类型，数组和标量以及数组之间的运算，NumPy 数组共享内存
NumPy 简介一个用 python 实现的科学计算包.包括: 1.一个强大的 N 维数组对象 Array : 2.比较成熟的(广播)函数库: 3.用于整合 C/C++ 和 Fortran 代码的工 ...
Python+OpenCV 图像处理系列（8）—— Numpy 对象及图像对象创建与赋值
1. Numpy 相关知识 1.1 Ndarray 对象在了解 OpenCV 的图像对象之前我们先对 NumPy 的基础知识做一回顾,方便我们后续更进一步理解图像对象的一系列操作. In [2]: ...
dataframe,python,numpy 问题索引2
20220330 print(frame3.isnull().any()) 找出存在空值的列 print("========================") print(fra ...
dataframe,python,numpy 问题索引1
# 找出只有赌场数据的账户 gp=data.groupby(['查询账号','场景标签'],as_index=True) tj=gp.size().reset_index()按查询账号和场景标签分组并 ...
数组的拼接合并 numpy
Python中numpy数组的合并有很多方法,如 np.append() np.concatenate() np.stack() np.hstack() np.vstack() np.dstack() ...
view(*args)改变张量的大小和形状_pytorch reshape numpy
20201227 这个方法是在不改变数据内容的情况下,改变一个数组的格式,参数及返回值,官网介绍: a:数组–需要处理的数据 newshape:新的格式–整数或整数数组,如(2,3)表示2行3列,新的 ...
用NumPy genfromtxt导入数据
用NumPy genfromtxt导入数据 NumPy provides several functions to create arrays from tabular data. We focus ...

day3--numpy

day3--numpy相关推荐

最新文章

热门文章