NumPy的思考……
问题:
为什么第一次输出矩阵形式的数据,第二次输出list形式的数据?
详见代码:
a = np.array([[1, 2], [3, 4]]) print(a) print('ndim :', a.ndim)
控制台输出:
[[1 2][3 4]] ndim : 2
然而,代码修改一下:
b = np.array([[11, 12], [14, 16, 17]]) print(b) print(type(b))
控制台输出:
[list([11, 12]) list([14, 16, 17])] <class 'numpy.ndarray'>
答案:
第二次输出元素 [ [11, 12], [14, 16, 17] ] 在形式上不能用矩阵形式输出,不对称。
问题:
array(p_object, dtype=None, copy=True, order='K', subok=False, ndmin=0)
order : {'K', 'A', 'C', 'F'}, optionalSpecify the memory layout of the array. order参数用于:指定数组的内存布局。
order的作用体现在哪里?
怎么才能看出数组的内存布局?
答案:
ndarray.flags属性, 查看ndarray对象的内存信息
C_CONTIGUOUS : True c_contiguous(连续的)F_CONTIGUOUS : False f_contiguousOWNDATA : True own dataWRITEABLE : True writeableALIGNED : True aligned(对齐)WRITEBACKIFCOPY : False write back if copyUPDATEIFCOPY : False update if copy
sin():
Parameters----------x : array_likeAngle, in radians (:math:`2 \pi` rad equals 360 degrees).
2 \pi = 2π
360°等于2π弧度
在数学和物理中,弧度是角的量度单位.它是由国际单位制导出的单位,单位缩写是rad.(radians)
弧度定义:弧长等于圆半径的弧所对的圆心角为1弧度
根据定义,一周的弧度数为2πr/r=2π, 360°角=2π弧度,因此,1弧度约为57.3°,即57°17'44.806'',1°为π/180弧度,近似值为0.01745弧度,周角为2π弧度, 平角(即180°角)为π弧度, 直角为π/2弧度.
在具体计算中,角度以弧度给出时,通常不写弧度单位,直接写值.最典型的例子是三角函数,如sin 8π、tan (3π/2).
弧长公式:
l rad=nπr/180
在这里,n就是角度数.
np.repeat()使用技巧
c = np.array([[1, 2, 3]]) c = c.reshape(-1, 3).repeat(2, 0) 输出c: [[1, 2, 3],[1, 2, 3]] ===================== cc = c.reshape(-1, 3) # -1代表不管行数,只是确定列数为3# repeat用法 d = c.reshape(-1, 3) d.repeat(2, 0) 可以 d.repeat(preats=2, axis=0) 可以 np.repeat(d, 2, 0) 也可以
问题:
同样是order排序,传入'C','F'不同,则打印不同?
代码:
import numpy as np a = np.arange(0, 60, 5).reshape((3, 4)) print(a) for x in np.nditer(a,flags=['external_loop'], order='C'):print(x, end=', ')
控制台输出:
[[ 0 5 10 15][20 25 30 35][40 45 50 55]] [ 0 5 10 15 20 25 30 35 40 45 50 55],
然而,代码:
import numpy as np a = np.arange(0, 60, 5).reshape((3, 4)) print(a) for x in np.nditer(a,flags=['external_loop'], order='F'):print(x, end=', ')
控制台输出:
[[ 0 5 10 15][20 25 30 35][40 45 50 55]] [ 0 20 40], [ 5 25 45], [10 30 50], [15 35 55],
答案:
迭代器遍历对应于每列,并组合为一维数组。(默认)
问题:
a.T在nditer中迭代不应该输出
[[0 3][1 4][2 5]]
吗?
代码:
a = np.arange(6).reshape(2, 3) print(a) print(a.T) print(a.T.flags) for x in np.nditer(a.T):print(x, end=', ') print('\n')
控制台输出:
[[0 1 2][3 4 5]][[0 3][1 4][2 5]]C_CONTIGUOUS : FalseF_CONTIGUOUS : TrueOWNDATA : FalseWRITEABLE : TrueALIGNED : TrueWRITEBACKIFCOPY : FalseUPDATEIFCOPY : False0, 1, 2, 3, 4, 5,
答案:
np.nditer(..., order='K') :
order参数默认‘K’
源码中,as close sth. as possible : 尽可能靠近
'K' means as close to the order the array elements appear in memory as possible.
翻译:'K' 意味着,(顺序要)尽可能靠近内存中出现的的数组的元素顺序。
=============================================
转载于:https://www.cnblogs.com/daemonFlY/p/10029667.html
NumPy的思考……相关推荐
- NumPy学的还不错?来试试这20题
来源 | 早起Python(ID: zaoqi-python) 又到了NumPy进阶修炼专题.NumPy大家应该不陌生了,看了太多的原理讲解之后,用刷题来学习是最有效的方法,本文将带来20个NumPy ...
- 图解NumPy,这是理解数组最形象的一份教程了
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达 转自:深度学习初学者 作者:Jay Alammar 本文用可视化的方 ...
- 图解NumPy:常用函数的内在机制
选自Medium 作者:Lev Maximov 机器之心编译 编辑:Panda 支持大量多维数组和矩阵运算的 NumPy 软件库是许多机器学习开发者和研究者的必备工具,本文将通过直观易懂的图示解析常用 ...
- 如何从NumPy直接创建RNN?
木易 发自 凹非寺 量子位 报道 | 公众号 QbitAI 使用成熟的Tensorflow.PyTorch框架去实现递归神经网络(RNN),已经极大降低了技术的使用门槛. 但是,对于初学者,这还是远 ...
- Python从入门到精通 - 什么是NumPy (下)
本文是 Python 系列的第四篇 Python 入门篇 (上) Python 入门篇 (下) 数组计算之 NumPy (上) 数组计算之 NumPy (下) 科学计算之 SciPy 数据结构之 Pa ...
- Python从入门到精通- 什么是NumPy? (上)
0 引言 本文是 Python 系列的第三篇 Python 入门篇 (上) Python 入门篇 (下) 数组计算之 NumPy (上) 数组计算之 NumPy (下) 科学计算之 SciPy 数据结 ...
- Numpy中数组间运算
Numpy中数组间运算 1 数组与数的运算 [可以直接进行运算] arr = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]]) arr + ...
- Numpy的介绍和优势
Numpy的介绍和优势 1 Numpy介绍 Numpy(Numerical Python)是一个开源的Python科学计算库,用于快速处理任意维度的数组. Numpy支持常见的数组和矩阵操作.对于同样 ...
- 附录2:Numpy实例记录
使用Numpy是为了让数组的处理更高效,Numpy高效的原因在于操作并行,比如arrayX10的广播,不会一个一个去X10,而是一组一组的并行执行,numpy的实现涉及到硬件的管理: 另外,Numpy ...
最新文章
- tomcat(6)生命周期
- 在线数值列表求和工具
- Android 常用语句
- Flink官方文档学习(三):Standalone Cluster 集群部署
- 拓端tecdat|R语言线性分类判别LDA和二次分类判别QDA实例
- pulse 去马赛克软件_Github高赞:打马赛克=形同虚设,AI看透你一切小心思
- Ubuntu系统上使用锐捷客户端有线连接校园网
- 海康威视摄像头Android直播APP开发
- java经典实例 源代码_100个Java经典编程实例源代码JAVA源码下载
- 【进阶版递归】获取指定目录下的所有后缀为.java的文件
- PS如何快速修改证件照片底色
- 各种比例尺图幅号计算excel表格
- 超参数(Hyperparameter)
- 【Python】使用torrentParser1.03对单文件torrent的分析结果
- linux 模拟usb键盘,在Linux下模拟键盘按键
- Cubieboard1 引导安装 Debian 系统
- JavaScript判断中英文字符
- paper weekly_Android Weekly:Galaxy Fold详细信息,可在17分钟内充电的4000 mAh电池等
- 对于学it的来说,软考的高级证书难考吗,难度大吗?
- 新形势下,企业如何做好数据安全治理?