display属性_Numpy知识点(1)讲解实操安装/属性/数组创建/运算
# 1、安装包# pip install numpy #原生python安装# conda install numpy #Anaconda的安装
# 使用Numpyimport numpy as np a = np.arange(15) #生成0-14的一维数组display(a)
display( )和print( )都是打印,在大多数编程软件上都使用print,jupyter notebook中我们可以使用display来打印,打印更美观.
基础属性
NumPy的数组类被调用ndarray
。ndarray
对象更重要的属性有:
ndarray.ndim - 数组的轴(维度)的个数。
ndarray.shape - 数组的维度。这是一个整数的元组,表示每个维度中数组的大小。对于有 n 行和 m 列的矩阵,shape 将是 (n,m)。因此,shape 元组的长度就是rank或维度的个数 ndim。
ndarray.size - 数组元素的总数。等于 shape 的元素的乘积。
ndarray.dtype - 描述数组中元素类型的对象。例如numpy.int32、numpy.int16和numpy.float64。
ndarray.itemsize - 数组中每个元素数据类型的字节大小。例如,元素为 float64 类型的数组的 itemsize 为8(=64/8)。等于 ndarray.dtype.itemsize 。
ndarray.data - 该缓冲区包含数组的实际元素。
import numpy as np #生成一个4行5列的2维数组a = np.arange(20).reshape(4, 5)display(a)
print(a.ndim) #输出几维数组print(a.shape) #输出有 n 行和 m 列的矩阵print(a.size) #输出有n个元素print(a.dtype) #输出元素的数据类型print(a.dtype.name) #输出元素的数据类型print(type(a)) #输出a是什么类型print(a.itemsize) # 输出元素类型字节大小,int型=4print(a.data) #该缓冲区包含数组的实际元素,基本不用
数组创建
import numpy as np# 创建一维数组a = np.array([1,3,5,7]) display(a)b = np.arange(1,8,2)display(b)c = np.array([1,3,5,7], dtype=complex)display(c)
import numpy as np# 创建2维数组a = np.array([[1,2,3,4],[5,6,7,8]])display(a)b = np.array([(1,2,3,4),(5,6,7,8)])display(b)c = np.arange(1,9).reshape(2,4)display(c)
函数zeros创建一个由0组成的数组,函数 ones创建一个完整的数组,函数empty 创建一个数组,其初始内容是随机的,取决于内存的状态。默认情况下,创建的数组的dtype是 float64 类型的。
a= np.zeros( (3,4) )b= np.ones( (2,3,4), dtype=np.int16 ) c =np.empty( (2,3) )display(a,b,c)
import numpy as npfrom numpy import pi# 等差数组a = np.linspace( 0, 2, 9 )print(a,'\n')#数学函数pi=3.14.....b = np.linspace( 0, 2*pi, 10 )print(b,'\n')#数学函数sin()c = np.sin(b)print(c)
数组运算
乘积运算符*在NumPy数组中按元素进行运算。矩阵乘积可以使用@运算符(在python> = 3.5中)或dot函数或方法执行
元素乘法/矩阵乘法
import numpy as np# 创建一维数组a = np.array([1,3,5,7]) display(a)b = np.arange(1,8,2)display(b)print(a*b,'\n')print(a&b,'\n')print(a.dot(b))
import numpy as np# 创建2维数组a = np.array([[0,2,3,4],[1,3,5,7]])display(a)b = np.array([(1,2,3,4),(5,6,7,8)])print(b,'\n')# 对应元素相乘print(a*b,'\n')# 矩阵相乘print(a&b)
加减乘除求余
import numpy as np# 创建2维数组a = np.array([[0,2,3,4],[1,3,5,7]])print(a,'\n')b = np.array([(1,2,3,4),(5,6,7,8)])print(b,'\n')print(sum(a),'\n')print(a + b,'\n')print(a - b,'\n')print(a / b,'\n')print(a % b,'\n') #求余print(a * b,'\n')print(a & b) #矩阵乘法
整体聚合
import numpy as npa = np.random.random((2,3))print(a)print(a.sum()) #求和print(a.max()) #最大print(a.min()) #最小print(a.size) #数量print(a.mean())#均值
指定数组方向计算
通过指定axis 参数[1/0],可以沿数组的指定轴应用操作
import numpy as npa = np.array([(1,2,3,4),(2,4,6,8),(1,3,5,7),(4,5,6,7)])display(a)display(a.sum(axis=0))display(a.mean(axis=0))display(a.max(axis=0))display(a.min(axis=0))display((a*0+1).sum(axis=0))display(a.shape) #有n行,m列
import numpy as npa = np.array([(1,2,3),(2,4,6),(1,3,5),(4,5,6)])display(a)display(a.sum(axis=1))display(a.mean(axis=1))display(a.max(axis=1))display(a.min(axis=1))display((a*0+1).sum(axis=1))display(a.shape) #有n行,m列
更多计算函数参看官方文档: https://www.numpy.org.cn/user/quickstart.html
关注公众号,下一文,我们一起学习numpy的索引/切片/迭代/形状操纵等知识
display属性_Numpy知识点(1)讲解实操安装/属性/数组创建/运算相关推荐
- 实操-安装esxi6.0和配置
实操-安装esxi6.0和配置 1.U盘安装VMware ESXi 6.0 A.准备工作 在vmware官网注册,并获取ESXi 6.0 ISO Image: 链接:https://pan.baidu ...
- 库卡机器人坐标手势_实操:KUKA机器人创建工具坐标数据
原标题:实操:KUKA机器人创建工具坐标数据 使用机器人示教器设定工具 图8-8 通过一个固定参考点的工具坐标系的测量分为2步:首先确定工具坐标系的TCP点,然后确定工具坐标系的姿态如表8-7所示. ...
- 【RocketMQ】 官方运维管理命令mqadmin使用手册(讲解+实操)
内容有点多,左侧有菜单 使用方法 进入RocketMQ的bin目录:${PACKAGE}/bin,使用命令bash mqadmin,可以看到以下帮助菜单: [root@XXGL-T-TJSYZ-R ...
- linux上wds部署服务,WDS自动部署服务实操——为裸机实操安装Win10
WDS自动部署服务 Windows 部署服务(Windows Deployment Services,缩写WDS),适用与大中型网络中的计算机操作系统部署.可以使用 Windows 部署服务来管理映像 ...
- 02-【实操】神策埋点实施的全流程实操与经验分享
大家好,我是罗文正雄 神策的第一篇为<从甲方角度,拆解神策>,后续要讲解实操经验,为提高阅读体验和连贯性,本篇文章将神策的实施,埋点流程,业务赋能实操,原本后3篇的内容,压缩到一篇来讲解, ...
- 学员参观IDC机房及实操实践活动
12月10日,老男孩教育运维班26学员,近80人同时去参观由森华易腾公司提供的IDC机房参观实践活动之际,发布此文特别感谢岳总及森华易腾公司为老男孩教育学生参观.细心讲解的机会! 实践活动人员:老男孩 ...
- 【mysql进阶】MTS主从同步原理及实操指南(七)
0.引言 随着业务场景的深入和请求量的剧增,单库实现读写越来越趋近瓶颈,于是我们想到搭建主从库,主库负责写,从库负责读,从而实现读写分离,提高查询效率. 但是主从库之间的数据如何同步呢?很明显我们写入 ...
- 【DockerFile构建自定义镜像实操出现问题解决方案Failed to download metadata for repo ‘appstream‘: IPv4 forwarding disa】
一.知识回顾 之前的内容都帮你整理好了,在这里哟! [0.Docker相关目录文章整理,可自行查看,包含多节内容] [1.Docker详细安装部署&阿里镜像地址配置] [2.Docker架构& ...
- 尚硅谷大数据技术Spark教程-笔记09【SparkStreaming(概念、入门、DStream入门、案例实操、总结)】
尚硅谷大数据技术-教程-学习路线-笔记汇总表[课程资料下载] 视频地址:尚硅谷大数据Spark教程从入门到精通_哔哩哔哩_bilibili 尚硅谷大数据技术Spark教程-笔记01[SparkCore ...
最新文章
- linux c++编写访问mysql程序,访问数据库出错,解决方法
- ORA-00904: NAME: 标识符无效
- 生活中运筹学的3个小案例_10个“乡村庭院”设计案例,生活在乡下,家家都有自己的小庭院...
- 【CTF/MISC】图片隐写题(binwalk/foremost/010editer配合使用)
- 网页版2048游戏html,HTML网页版2048小游戏
- dev cpp编译c语言,C语言实践|Dev cpp开发环境及其介绍
- 计算机硬件只能通过软件使用,日常软件分享 篇四:还在用鲁大师?查看电脑硬件信息可以用这些免费的软件!...
- 先锋意识dota人生
- 阿里云 ECS 服务等级协议 SLA是什么?
- 函数连续,区间连续,一致连续,绝对连续,Lipschitz连续
- 程序员博客html模板,程序员技术博客WordPress主题
- 湖南软件计算机单招较好学校,长沙岳麓区计算机IT单招学校排行榜
- 实战|教你爬取全国火锅店数量,并利用地图可视化展示
- autogluon--自动机器学习快速训练模型
- 沈向洋从微软离职,挺好的
- arp攻击实验(一)用一条指令让对方瞬间无法上网
- 福师《大学摄影》在线作业一、二
- lenet5跑cifar_基于PaddlePaddle2.0-构建卷积网络模型LeNet-5
- 百度排名优化方案与想法
- FPGA之蜂鸣器播放音乐《花海》
热门文章
- python模拟猫狗大战_tensorflow实现猫狗大战(分类算法)-阿里云开发者社区
- 数据 正则化 python_python3.6怎么单独正则化/标准化DataFrame中的指定列数据
- 零基础学python难_0基础学python有多难
- 如何把手变成手控_手把手教您如何在生产环境直接web级设计图形报表
- html计时器组件,vue 计时器组件的实现代码
- js(javascript)之浏览器控制台使用
- suse查看mysql内存使用情况_MySQL 慢查询日志(Slow Query Log)
- wamp怎么安装mysql服务器_用wamp的mysq安装pythonmysql
- python隐式等待_selenium中隐式等待和显示等待的区别
- 如何修改linux的java路径_修改桌面文件默认存储位置的正确方式及注意事项