Python科学计算库（Numpy）基础篇（IDE为Pycharm）- 数组数值计算

第一篇博客已经讲了Numpy中数组的基本操作，下面开始讲Numpy中数值计算所使用的一般方法.

（1）复制与赋值

赋值：将100赋值给第一行第一列的数

import numpy as np
# 定义一个数组
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 将100赋值给第一行，第一列的数
array[1,1] = 100
print(array)

输出结果为：

[[  1   2   3][  4 100   6][  7   8   9]]

复制：将赋值后的数组复制下来

import numpy as np
# 定义一个数组
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 将100赋值给第一行，第一列的数
array[1,1] = 100
print(array)
array0 = array.copy()
print(array0)

输出结果为：

[[  1   2   3][  4 100   6][  7   8   9]]
[[  1   2   3][  4 100   6][  7   8   9]]

上面讲过赋值与复制了，下面开始正题

（2）数组数值的简单计算

数组中所有元素的求和，代码如下：

import numpy as np
# 定义一个数组
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])array0 = np.sum(array)
print(array0)

输出结果为 45

对一个二维数组来说，既可以对行求和，也可以对列求和，代码如下：

import numpy as np
# 定义一个数组
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 对行求和
array2 = np.sum(array, axis=1)
print(array2)
# 对列求和
array3 = np.sum(array, axis=0)
print(array3)

输出结果为array2 = [6, 15, 24], array3 = [12, 15, 18]

除了求和，计算的方式还有许多，直接看代码和注释

import numpy as np
# 定义一个数组
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 各个元素累乘
array4 = np.prod(array)
print(array4)
# 求元素的最小值
array5 = np.min(array)
print(array5)
# 求均值
array6 = np.mean(array)
print(array6)
# 求标准差
array7 = np.std(array)
print(array7)
# 求方差
array8 = np.var(array)
print(array8)
# 比2大的全部为2，比4大的全部为4
array9 = np.clip(array, 2, 4)
print(array9)输出结果为：
362880
1
5.0
2.581988897471611
6.666666666666667
[[2 2 3][4 4 4][4 4 4]]

所有操作原理都是相同的，如果指定维度，就参照上面的求和代码进行计算。

如果不是找最大值或最小值的具体值是多少，而是要找到他们具体的位置，如果指定维度，就参照上面的求和代码进行计算，代码如下：

import numpy as np
# 定义一个数组
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])array10 = np.argmin(array)
print(array10)输出结果为其具体位置：0

（3）矩阵的乘法

主要介绍两种常用的计算方式：一种是按照对应元素进行相乘，另一种是在数组中进行的矩阵乘法，直接看代码：

import numpy as npx = np.array([[1, 1], [2, 2]])
y = np.array([[1, 1], [2, 2]])
# 对应位置相乘
a = np.multiply(x, y)
print(a)
# 矩阵乘法
b = np.dot(x, y)
print(b)输出结果为：
a = [[1 1][4 4]]
b = [[3 3][6 6]]

Python科学计算库（Numpy）基础篇（IDE为Pycharm）- 数组数值计算相关推荐

一文带你熟悉简单实用的Python科学计算库NumPy
Python科学计算库NumPy 安装数组的创建 array创建 **arange** 创建 **随机数创建** 方法numpy.random.random(size=None) 方法numpy.r ...
Python 科学计算库 Numpy（一）—— 概述
目录一 Numpy(Numerical Python) 1. Numpy 是什么 2. Numpy 的主要用途二 Numpy 数组 VS Python 列表三 Numpy 数据类型和属性 1. ...
Python 科学计算库 Numpy 准备放弃 Python 2 了
Numpy 是 Python 的一个科学计算库,提供了矩阵运算的功能,一般与 Scipy.matplotlib 一起使用. 今天 Numpy 的 GitHub 主页上发文称,Numpy 库准备从 20 ...
python科学计算库numpy和绘图库PIL的结合,素描图片(原创)
# 导入绘图库 from PIL import Image #导入科学计算库 import numpy as np #封装一个图像处理工具类 class TestNumpy(object):def p ...
01、python数据分析与机器学习实战——Python科学计算库-Numpy
深度学习--学习目录 NumPy介绍 NumPy系统是Python的一种开源的数值计算扩展. 这种工具可用来存储和处理大型矩阵, 比Python自身的嵌套列表(nested list structur ...
科学计算库——Numpy基础
文章目录第一部分为什么要用Numpy 1.1 低效的Python for循环 1.2 Numpy为什么如此高效 1.3 什么时候用Numpy 第二部分 Numpy数组的创建 2.1 从列表开始创建 ...
php科学计算库,科学计算库numpy基础
numpy numpy的核心数据结构是ndarray,可以创建N维数组 ndarray的特点 ndarray(N-dimensional array):N维数组一种由相同类型的元素组成的多维数组,元 ...
Python科学计算库numpy中的add运算
闲言碎语不多讲,直接上代码. >>> import numpy as np >>> np.add.accumulate([1,2,3]) # 累加 array([1 ...
Python 科学计算库 Numpy (二) —— 索引及切片
目录 1. 索引及切片 (1)通过下标以及内置函数进行索引切片 (2)使用冒号分隔参数进行切片索引 (3)对部分元素进行索引并切片 (4)对多维数组进行索引切片 2. 高级索引 (1)整数数组索引 ( ...
唐宇迪学习笔记1：Python环境安装、Pytho科学计算库——Numpy
目录一.AI数据分析入门 1.案例来源 2.Python环境配置(Python3) Python的安装 Python库安装工具 Jupyter Notebook 二.Python科学计算库--Nu ...

Python科学计算库（Numpy）基础篇（IDE为Pycharm）- 数组数值计算

Python科学计算库（Numpy）基础篇（IDE为Pycharm）- 数组数值计算相关推荐

最新文章

热门文章