Python中Numpy包的学习
Numpy实现基本的矩阵运算
- a*b实现矩阵叉乘,使用代码和运行结果如图
#矩阵相乘
import numpy as np
a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3
a2=np.mat([[11,12,13],[14,15,16],[17,18,19]]);#3*3
print(a1*a2)
- dot()实现矩阵点乘,使用代码和运行结果如图
#矩阵点乘
import numpy as np
a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3
a2=np.mat([[11,12,13],[14,15,16],[17,18,19]]);#3*3
a3=a1.dot(a2)
print(a3)
- .I实现矩阵求逆,使用代码和运行结果如图
#矩阵转置
import numpy as np
a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3
a2=a1.I
print(a2)
- .T实现矩阵求转置,使用代码和运行结果如图
#矩阵转置
import numpy as np
a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3
a2=a1.T
print(a2)
- linalg.eig()实现求矩阵的特征向量,并返回数值,使用代码和运行结果如图
#矩阵求特征向量
import numpy as np
a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3
b=np.linalg.eig(a1)
print(b)
Numpy实现线性方程求解
例:求该线性方程组的解
[11102525−1][xyz]=[6−427]\left[\begin{array}{ccc} 1 & 1 & 1 \\ 0 & 2 & 5 \\ 2 & 5 & -1 \end{array}\right]\left[\begin{array}{l} x \\ y \\ z \end{array}\right]=\left[\begin{array}{c} 6 \\ -4 \\ 27 \end{array}\right] ⎣⎡10212515−1⎦⎤⎣⎡xyz⎦⎤=⎣⎡6−427⎦⎤
使用代码和运行结果如图
from scipy import linalg
import numpy as np
A = np.array([[1, 1, 1], [0, 2, 5], [2, 5, -1]]) # A代表系数矩阵
b = np.array([6, -4, 27]) # b代表常数列
x = linalg.solve(A, b)
print(x)
Numpy实现排序
sort(a,axis,kind,order)函数返回输入数组的排序副本,其中a是所需排序的数组,axis沿着排序的轴,kind默认为"quicksort"快速排序,或者"mergesort"归并排序,"heapsort"堆排序。使用代码和运行结果如图
#排序
import numpy as np
a = np.array([[3,7,5],[8,4,3],[2,4,9]])
print("排序后",np.sort(a))
print("沿x轴排序",np.sort(a,axis=1))
print("沿y轴排序",np.sort(a,axis=0))
- argsort()函数对输入数组进行排序并返回数据的索引数组,使用代码和运行结果如图
#argsort()
import numpy as np
a = np.array([[3,7,5],[8,4,3],[2,4,9]])
b=np.argsort(a)
print(b)
argmax()函数和argmin()函数对输入数组的指定值找出最大值或者最小值,返回其索引值,使用代码和运行结果如图
#armax(),argmin()
import numpy as np
a = np.array([[3,7,5],[8,4,3],[2,4,9]])
print("整个数组中的最大索引",np.argmax(a))
print("沿x轴的最大索引",np.argmax(a,axis=1))
print("沿y轴的最大索引",np.argmax(a,axis=0))
print("整个数组中的最大索引",np.argmax(a))
print("沿x轴的最小索引",np.argmax(a,axis=1))
print("沿y轴的最小索引",np.argmax(a,axis=0))
- where()函数对输入数组找出指定条件的数值,返回其索引值,使用代码和运行结果如图
#where()
import numpy as np
a = np.array([[3,7,5],[8,4,3],[2,4,9]])
print("大于8的:",np.where(a>8))
Numpy实现基本的统计计算
在Numpy中有很多用于统计的函数,从数组中给定的元素中查找最大值,最小值,标准差和方差等。
- amin()和amax()用于从给定的数组中指定轴返回最小值和最大值,使用代码和运行结果如图
#Numpy统计函数
#import numpy as np
a = np.array([[3,7,5],[8,4,3],[2,4,9]])
print("整个数组中的最小值",np.amin(a))#寻找整个数组中的最小值
print("整个数组中的最大值",np.amax(a))#寻找整个数组中的最小值
print("第一列的最大值",np.amax(a,axis = 0))
print("第一列的最小值",np.amax(a,axis = 0))
- ptp()返回沿轴的值得范围,使用代码和运行结果如图
import numpy as np
a = np.array([[3,7,5],[8,4,3],[2,4,9]])
print("整个数组的范围",np.ptp(a))
print("x轴范围",np.ptp(a, axis = 1))
print("y轴范围",np.ptp(a, axis = 0))
- median()求中值,使用代码和运行结果如图
#求中值
import numpy as np
a = np.array([[3,7,5],[8,4,3],[2,4,9]])
print("整个数组的中值",np.median(a))
print("x轴中值",np.median(a, axis = 1))
print("y轴中值",np.median(a, axis = 0))
- mean()求算术平均值,使用代码和运行结果如图
#求平均值
import numpy as np
a = np.array([[3,7,5],[8,4,3],[2,4,9]])
print("整个数组的平均值",np.mean(a))
print("x轴平均值",np.mean(a, axis = 1))
print("y轴平均值",np.mean(a, axis = 0))
- average()求加权平均值,使用代码和运行结果如图
#求加权平均值
a = np.array([1,2,3,4,5,6])
#权重
b = np.array([1,2,3,4,5,6])
print("不指定权重",np.average(a))
print("指定权重",np.average(a,weights = b))
- std()求标准差,使用代码和运行结果如图
#标准差
import numpy as np
a = np.array([1,2,3,4,5,6])
b=np.std(a)
print("标准差",b)
- var()求方差,使用代码和运行结果如图
#方差
import numpy as np
a = np.array([1,2,3,4,5,6])
b=np.var(a)
print("方差",b)
Python中Numpy包的学习相关推荐
- [转载] python中numpy包使用方法总结
参考链接: Python中的numpy.amax 一.数组方法 创建数组:arange()创建一维数组:array()创建一维或多维数组,其参数是类似于数组的对象,如列表等 反过来转换则可以使用num ...
- [转载] Python中Numpy包的用法
参考链接: Python中的Numpy.prod 一.数组方法 创建数组:arange()创建一维数组:array()创建一维或多维数组,其参数是类似于数组的对象,如列表等 反过来转换则可以使用num ...
- python xlrd安装_详解python中xlrd包的安装与处理Excel表格
一.安装xlrd 地址 下载后,使用 pip install .whl安装即好. 查看帮助: >>> import xlrd >>> help(xlrd) Help ...
- python中numpy的用法_Python中numpy多维数组的用法
继上篇讲过numpy如何构建多维数组之后,今天我们来学习numpy多维数组的用法. 加法和减法操作要求操作双方的维数信息一致,均为M*N为数组方可正确执行操作. a = np.arange(4) 输出 ...
- python中numpy数组的合并_基于Python中numpy数组的合并实例讲解
基于Python中numpy数组的合并实例讲解 Python中numpy数组的合并有很多方法,如 - np.append() - np.concatenate() - np.stack() - np. ...
- python中numpy是什么意思_python中numpy是什么
python中numpy.argmin什么意思 numpy.argmin表示最小值在数组中所在的位置 a = [[1, 4, 2], [3, 4, 5]] b = np.argmin(a) 结果:0 ...
- python怎么安装本地的egg_怎么安装python中egg包
怎么安装python中egg包 发布时间:2020-07-08 17:11:05 来源:亿速云 阅读:175 作者:Leah 怎么安装python中egg包?很多新手对此不是很清楚,为了帮助大家解决这 ...
- Python使用numpy包编写自定义函数计算平均绝对误差(MAE、Mean Absolute Error)、评估回归模型和时间序列模型、解读MAE
Python使用numpy包编写自定义函数计算平均绝对误差(MAE.Mean Absolute Error).评估回归模型和时间序列模型.解读MAE 目录
- Python使用numpy包编写自定义函数计算均方误差(MSE、mean squared error)、评估回归模型和时间序列模型、解读MSE评估指标
Python使用numpy包编写自定义函数计算均方误差(MSE.mean squared error).评估回归模型和时间序列模型.解读MSE评估指标 目录
最新文章
- 凯撒密码、GDP格式化输出、99乘法表
- etsi计算机应用场景,ETSI发布最新版DVB数据广播规范,包括五大应用场景
- Unicode字符编码表
- 关于“进程”与“线程”的最通俗解析
- activiti 变量_如何在Activiti中使用瞬态变量
- tennylvHTML5实现屏幕手势解锁(转载)
- 中怎样载入选区_PS----关于选区的选取
- Android中监听ScrollView滑动停止和滑动到底部
- QString、QByteArray 相互转换、和16进制与asc2转换
- Perl 读取特定格式的文件名
- C++进阶教程之预存处理器
- linux 学习笔记(基础)
- 二元/多元函数连续 极限存在问题
- 告别内卷,扬帆出海,小鹏汽车们找到破局最优解?
- OpenLayers3基础教程——OL3基本概念
- lvs+keepalived+ipvsadm 完整搭建笔记
- Java锁深入理解5——共享锁
- dapr源码分析--injector
- spring-boot 修改启动图标
- 深圳云计算培训:新手学习云计算的规划
热门文章
- MySQL -Naivacat工具与pymysql模块
- 使用css实现点击切换效果
- STM32 keil中编译遇到的问题
- Android数据存储五种方式总结
- asp.net等项目编译失败的原因之不能写入
- poj 1987 树的分治
- log4net环境配置
- 分布式--ActiveMQ 消息中间件(一) https://www.jianshu.com/p/8b9bfe865e38
- [LOJ#6068]. 「2017 山东一轮集训 Day4」棋盘[费用流]
- 转:亿级Web系统的高容错性实践(好博文)