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 ...
最新文章
- MyBatis的运行的核心原理解析(三)
- CSS实例:图片导航块
- python全栈学习--day8
- 标准正态均一性检验 matlab程序,多种均一性检验方法比较研究
- echarts图表使用v-show控制图表显示不全的问题
- Wonderware-InTouch安装 Intouch 2014 R2 SP1
- Sketch for mac v78 矢量绘图软件
- Android锁屏壁纸 代码,android 锁屏壁纸和桌面壁纸的设置实现
- IDA反汇编工具使用详解
- JAVA——对当前时间进行输出
- mysql提权软件后门_Mysql提权留后门
- windows xp 实现远程关机
- 折线迷你图怎么设置_Excel如何制作小微型的迷你图?
- 透明质酸/氧化石墨烯/聚丙烯酰胺复合水凝胶/透明质酸/βTCP复合水凝胶研究制备
- 【阿里云-容器】阿里云容器服务Kubernetes版快速入门
- 微信公众号网页底部不带返回栏 或者想要隐藏微信的底部导航栏
- 取模运算性质_数学与编程——求余、取模运算及其性质 | 学步园
- 狮子鱼社区团购系统CMS任意文件2处上传漏洞
- JEPF软件快速开发平台【免费发布】
- 个性化简书App上传的图片