naarray查询 swift_数据分析库之Numpy
Numpy get started
NumPy中我们要学习的核心其实就是一个 ndarray n多 d dimension 维度 array数组 多维数组
创建一个ndarray的几种方法
import numpy as np
1. 使用np.array()创建多维数组
np.array([1,2,3]) #多维数组的构造函数#传入 列表 就可以创建响应的多维数组
2. 使用np的常用函数(routines)创建
1) np.ones(shape, dtype=None)
功能:按照指定形状创建多维数组,并用1填充
参数:
shape 用于指定创建的多维数组的形状 可以传入2 或者 (2,3)
dtype 数据的类型 np.int8 np.float64
返回值:返回创建好的多维数组数组
测试代码:
shape用来指定创建的多维数组的 形状
np.ones(2) #传入2 产生有两个元素的多维数组
np.ones(shape=(2,3)) #ones创建出来的多维数组 内部的值 都是用1来填充
np.ones(shape=(2,3,3,3,3))
np.ones(shape=2) #一维
np.ones(shape=(2,3)) #二维
np.ones(shape=(2,3,3)) #这是一个三维数组 里面有两个元素 里面套了3个元素
np.ones(shape=(5,3,4)) #这是一个三维数组 数组里面有5个元素 里面有3个元素 里面有4个元素
2) np.zeros(shape, dtype=float)
功能类似np.zeros只不过不是用1填充 而是用0填充
3) np.full(shape, fill_value, dtype=None)#shape用来指定形状, fill_value用来指定用什么值来填充
示例:
np.full(shape=(2,3),fill_value=5)
4) np.eye(N, dtype=float)
功能:创建一个N行N列的方阵(方阵就是行和列的数量相等的矩阵)
参数:N 指定矩阵中有多少行(也是多少列)
返回值: 主对角线上是1,其他地方是0的方阵(单位矩阵)
主对角线为1其他的位置为0(左上角的右下角的对角线叫做主对角线)
示例:
np.eye(5)#单位矩阵#主对角线上是1 其他地方是0的矩阵就是单位矩阵#左上角到右下角的对角线 就是主对角线#单位矩阵和其他矩阵相乘 得到的结果 还是原来的矩阵
结果展示:
array([[1., 0., 0., 0., 0.],
[0., 1., 0., 0., 0.],
[0., 0., 1., 0., 0.],
[0., 0., 0., 1., 0.],
[0., 0., 0., 0., 1.]])
5.1) np.linspace(start, stop, num=50, dtype=None)
功能:把start到stop的这个范围的数,等分成num份儿,填入数组5.2) np.logspace(start, stop, num=50, dtype=None)
功能:把start到stop的这个范围的数,等分成num份儿,获得的值作为10的指数,求出来的值,填入数组
参数说明:
# start, stop, num=50
# 从几开始 到几结束 num指定是要多少个 (0,5) (0,4] [0,5) [start,end]
# np.linspace(1,5,3)
# np.linspace(1,5,2) # 从1到5 的 等差数列
# np.linspace(1,5,4)
np.linspace(1,5,5)
6) np.arange([start, ]stop, [step, ]dtype=None)
从start,到end,每隔step取一个值,放入一个数组
# [start,] stop[, step,]
# np.arange(5) # 不指定start和step start默认是0 step默认是1 [0,5)每隔1取一个
# np.arange(1,5) # 从1开始到5结束 每隔一个取一个
np.arange(1,11,2)
7) np.random.randint(low, high=None, size=None, dtype='l')
从low到high的范围随机取整数,填充多维数组 size用于指定数组的形状 如2 (2,3)
8) np.random.randn(d0, d1, ..., dn)
传入几个参数,就创建几维数组
产生以0为中心 方差为1 的 标准正太分布 的随机数 填充数组
如 np.random.randn(2,3,3) 产生一个三维数组 数组中有两个数组 两个数组中分别有三个数组 三个数组中每个都有三个元素#里面的参数 用来指定各个维度中元素的个数
np.random.randn(2,3) #产生一个多维数组 里面有2个元素 里面有三个元素#标准正态分布 平均值是0 标准差是1 的正态分布 就是 标准正态分布#randn 按照指定的形状去产生 多维数组 里面的值用随机值来填充(随机值的产生 满足标准正态分布)
9) np.random.normal(loc=0.0, scale=1.0, size=None)
np.random.randn是标准正态分布(以0为中心,方差是1) normal是可以指定中心和方差的一般正态分布
loc 正态分别的中心
scale 正态分布的变化范围
size 数组的形状 如2 (2,3)#loc=0.0, scale=1.0, size=None#指定分布中心 scale用来指定标准差 size指定形状#np.random.normal(loc=0,scale=1,size=(2,3))
np.random.normal(loc=175,scale=15,size=(7,11))#np.random.normal(loc=175,scale=15,size=(3,4))
naarray的属性
4个必记参数:
ndim:维度
shape:形状(各维度的长度)
size:总长度
dtype:元素类型
数组应用:用于绘图
importmatplotlib.pyplot as plt#imread可以读取图片
jin = plt.imread('../backup/jin.png')
jin.shape#这是一个三维数组 里面有273个元素 里面有411个元素 里面有3个元素
plt.imshow(jin)
naarray查询 swift_数据分析库之Numpy相关推荐
- naarray查询 swift_最全的 Swift 4 新特性解析
作者:刘铎 本文为原创文章,转载请注明作者及出处 WWDC 2017 带来了很多惊喜.Swift 4 也伴随着 Xcode 9 测试版来到了我们的面前,很多强大的新特性非常值得我们期待在正式项目中去使 ...
- naarray查询 swift_从入门到精通Swift编程(完整 未加密 小码哥) [16.3G]
目录:/从入门到精通Swift编程(完整 未加密 小码哥) [16.3G] : U! s1 a8 i- s+ O, c7 i ┣━━01-基础语法.汇编初探 [367.2M]# D% l* ...
- Python 数据分析三剑客之 NumPy(六):矩阵 / 线性代数库与 IO 操作
CSDN 课程推荐:<Python 数据分析与挖掘>,讲师刘顺祥,浙江工商大学统计学硕士,数据分析师,曾担任唯品会大数据部担任数据分析师一职,负责支付环节的数据分析业务.曾与联想.亨氏.网 ...
- python中两个矩阵之间的点乘_Python基础--数据分析库--Numpy
一.基础概念 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库. NumPy 通常与 Sci ...
- 【详解】机器学习库-Matplotlib+Numpy+Pandas
目录 机器学习库-Matplotlib+Numpy+Pandas 1 Matplotlib基本使用 1.2 用途 1.3 操作指南 1.4 常见图形绘制 1.5 代码实现 2 Numpy基本使用 2. ...
- Python爬虫数据分析三剑客:Numpy、pandas、Matplotlib
一. pandas pandas简介 pandas是建立在Numpy基础上的高效数据分析处理库,是Python的重要数据分析库. pandas提供了众多的高级函数,极大地简化了数据处理的流程,尤其是被 ...
- python 数据分析库_五个 Python 常用数据分析库
前言 Python 是常用是数据分析工具,常用的数据分析库有很多,下面主要介绍如下五个分析库:NumPy.Pandas.SciPy.StatsModels.Matplotlib. NumPy 是一个非 ...
- Python 数据分析三剑客之 NumPy(五):数学 / 算术 / 统计 / 排序 / 条件 / 判断函数合集
CSDN 课程推荐:<Python 数据分析与挖掘>,讲师刘顺祥,浙江工商大学统计学硕士,数据分析师,曾担任唯品会大数据部担任数据分析师一职,负责支付环节的数据分析业务.曾与联想.亨氏.网 ...
- Python 数据分析三剑客之 NumPy(四):字符串函数总结与对比
CSDN 课程推荐:<Python 数据分析与挖掘>,讲师刘顺祥,浙江工商大学统计学硕士,数据分析师,曾担任唯品会大数据部担任数据分析师一职,负责支付环节的数据分析业务.曾与联想.亨氏.网 ...
最新文章
- Lingo 0-1规划
- 201521123079 《Java程序设计》第1周学习总结
- 计算机408试题2014,2014年考研计算机统考408真题
- java window linux_java环境变量配置(Windows Linux)
- python游戏开发步骤_详解Python GUI版24点游戏制作过程
- azure devops中文显示乱码_Azure DevOps Server:Git权限设置
- 例子---JS实现钟表
- Java 垃圾回收机制
- FreeSwitch中的会议功能
- 黑马python培训网盘资源
- 人工智能学习笔记 - 预备篇之高中数学快速复习
- 使用CSS3设置条纹背景
- A股证券公司股票程序化交易接口如何申请?
- 推挽变换器漏感电压尖峰
- C++中表示正无穷与负无穷
- Python数据挖掘——烟火图像分类:传统机器学习建模方法与卷积神经网络性能比较
- 数据仓库工作总结(觉得有点意思)
- 一生的读书计划——影响中国历史进程的中国名人2
- 决策树之建立一棵树(代码模板)防止过拟合、剪枝参数
- ubuntu LibreOffice writer的基本操作