详细介绍可以看Numpy帮助,也有很多资料,此文仅是一个简述性质的集成文章

1.简介

Numpy是Python的一个扩展包,语法和Matlab有很多相似之处。它支持高维数组和矩阵运算,也提供了许多数组和矩阵运算的函数。另外,它在数组和矩阵运算方面速度很快,效率很高。对数组的运算都可以算在每个元素上。如,A*2(A为3*3的矩阵),结果是A中的9个元素都乘2

1.1 索引与切片

数组索引一般用 [] 来实现,一维arratName[行],二维aName[行,列],三维[页,行,列],可以用冒号:代替某一维度,表示取该维度所有元素。如a[[1,2],[3,4]],a[:,1]为[2,4]

布尔型索引  布尔型数组的长度必须和被索引的轴长度一致

花式索引  利用整数数组进行索引

print a[[4, 3, 0, 6]] # 打印a[4]、a[3]、a[0]和a[6]。

切片如下: a为3*3*3矩阵  b = a[1, :,:]

1.2 复制与镜像

用.copy()方法复制数组,= 直接赋值。赋值只能产生镜像,仅是给变量增加一个名称;复制可以生成另一个变量,两个变量相互独立。

1.3 数组转置和轴对换

转置为 arrayName.T

矩阵相乘 np.dot(array1,array2)

高维轴对换 .transpose  或  .swapaxes

1.4 按条件逻辑逻辑运算

如:a=np.arange(9).reshap(3,3)     print(a>5), print(a[a>5])。第一个输出是True和False的矩阵,第二个输出6,7,8,9

因此,可以按条件选择数组元素

np.where的使用   语法:np.where(条件,表达式1,表达式2)条件为真执行表达式1,条件为假执行表达式2.

1.5 排序

.sort()   0为按列排序,1为按行排序

2.常用函数介绍

构造函数

说明

array

将输入数据(列表、元组、数组等)转换为ndarray

arange

类似于range,返回一个ndarray

ones

根据指定大小和dtype创建一个全1数组

zeros

根据指定大小和dtype创建一个全0数组

empty

创建数组,只分配内存空间不填充任何值

eye,  identity

创建单位矩阵

运算函数(一元)

说明

abs,fabs

计算绝对值,计算复数的模。对于非复数,用fabs更快

sqrt

开方

sqare

平方  相当于a**2

exp

计算各元素的e^x

log, log10, log2, log(1+x)

自然对数,底数为10,底数为2和log(1+x)

ceil

向上取整

floor

向下取整

sign

计算各元素的正负号

rint

四舍五入到整数,保留dtype

modf

将整数部分和小数部分以两个独立数组返回

cos,sin,tan

三角函数

arccos,arcsin,arctan

反三角

运算函数(二元)

说明

add

将数组中对应的元素相加

subtract

从第一个数组中减去第二个数组中的元素

multiply

元素相乘

Divide, floor_divide

相除,或向下取整除法

power

Power(A,B) 计算A^B

Max  fmax

计算最大值,fmax忽略NaN

Min   fmin

计算最小值,fmin忽略NaN

mod

求模

copysign

将第二数组中的符号复制给第一个数组元素

greater,greater_equal

less,less_equal,equal,

not_equal

执行元素级的比较,最终产生布尔型数组

Logical_and, logical_or

Logical_xor

执行元素级的真值逻辑运算,产生布尔型数组

数学和统计方法

说明

sum

对数组中全部或某轴向的元素求和,0为按列,1为按行

mean

求平均

std, var

标准差和方差

min, max

最小值和最大值

argmin,argmax

最大值和最小值的索引

cumsum

所有元素累计和

cumprod

所有元素累计积

去重、集合运算函数

说明

unique(x)

计算X中的唯一元素,并返回有序结果

intersect1d(x,y)

计算x和y中的公共元素,并返回有序结果

union1d(x,y)

计算x和y的并集,返回有序结果

in1d(x,y)

得到一个描述x的元素是否包含于y的布尔型数组

setdiff1d(x,y)

集合的差,即元素在X中且不在Y中

setxor1d(x,y)

集合的异或,即存在一个数组中,另外一个数组中没有

常用的np.linalg函数

说明

diag

以一位数组的形式返回方阵的对角线

dot

矩阵乘法

trace

计算对角线元素的和

det

计算矩阵行列式

eig

计算方阵的特征值和特征向量

inv

计算方阵的逆

pinv

计算矩阵的Moore-Penrose伪逆

qr

计算QR分解

svd

计算奇异值分解

solve

解线性方程Ax=b,A为一个方阵

lstsq

计算Ax=b的最小二乘解

随机数生成 函数

说明

seed

确定随机数生成器的种子

permutation

返回一个序列的随机排列

shuffle

对一个序列随机乱序

rand

产生均匀分布的样本值

randint

从给定的上下限范围内随机选取整数

randn

产生正态分布(平均值为0,标准差为1)

binomial

产生二项分布的样本值

normal

产生正态(高斯)分布的样本值

beta

产生Beta分布的样本值

chisquare

产生卡方分布的样本值

gamma

产生Gramma分布的样本值

uniform

产生在[0,1]中均匀分布的样本值

转载于:https://www.cnblogs.com/laumians-notes/p/8557178.html

Numpy包简单介绍相关推荐

  1. Hibernate依赖包简单介绍

    http://wqbi.itpub.net/post/2966/61574 很多书都没有怎么介绍Hibernate依赖的jar包,这篇文章算是说的比较全吧. Hibernate一共包括了23个jar包 ...

  2. 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍 一、pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主

    利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍 一.pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主要目 ...

  3. util包的简单介绍

    util包的简单介绍 作者:佚名    来自:未知 进行Java开发时,常常要使用一些数据集合,JDK为我们提供了一系列应用类来实现基本的数据结构.这些类均在java.util包中.简单描述一下: C ...

  4. oracle dbms_crypto,dbms_crypto函数包的简单介绍

    dbms_crypto函数包的简单介绍[@more@] dbms_crypto是系统函数包,创建在sys用户下.提供了加密.解密数据的接口,支持多种行业标准的加密与哈希算法,包括AES(the Adv ...

  5. 痛定思痛!!!结合fidller抓包,简单介绍http请求报文和http响应报文

    简单介绍http请求报文和http响应报文 前言 1. http请求报文的组成 1.1 请求行的内容 1.2 请求头的组成 1.3 请求体 2. HTTP响应报文组成 前言 各类书上在介绍http请求 ...

  6. java ear包_简单介绍Java 的JAR包、EAR包、WAR包区别

    原标题:简单介绍Java 的JAR包.EAR包.WAR包区别 WAR包 WAR(Web Archive file)网络应用程序文件,是与平台无关的文件格式,它允许将许多文件组合成一个压缩文件.War专 ...

  7. 【Python】Numpy包的安装使用

    简单说两句(不谈Numpy多重要这种废话) 很多讲解机器学习的资料开门见山就用Numpy,之前也不知道怎么装Numpy,毕竟不是导入jar包. 具体的也不是很了解,这里只介绍 PyCharm IDE ...

  8. NumPy库的介绍与使用(一)

    目录 一.NumPy库简介 二.NumPy库入门 1.数据的维度 2.安装NumPy 3.导入NumPy库 三.NumPy的数组对象:ndarray 1 为什么要引入ndarry呢? 2. ndarr ...

  9. 【数据可视化】Seaborn简单介绍

    Seaborn库简单介绍 参考链接: python画分布.密度等图形 Python数据可视化-seaborn 10分钟python图表绘制 | seaborn入门(一):distplot与kdeplo ...

  10. 简单介绍一下R中的几种统计分布及常用模型

    统计学上分布有很多,在R中基本都有描述.因能力有限,我们就挑选几个常用的.比较重要的简单介绍一下每种分布的定义,公式,以及在R中的展示. 统计分布每一种分布有四个函数:d――density(密度函数) ...

最新文章

  1. iOS ALAsset的选取和存储
  2. [转]一篇很喜欢的知乎美文
  3. 2018学校计算机 远程教学工作总结,2018年远程教育工作总结范文
  4. 实现DDD领域驱动设计: Part 4
  5. 圆形界面 开启相机_「基础篇三」手机摄影拍照界面详解
  6. docker镜像与容器操作流程
  7. C代码编译过程,cmakelist基础步骤
  8. 深入解读Linux内存管理系列(1)——系统启动阶段的操作
  9. linux i350网卡,intel I350 网卡驱动安装方法
  10. 什么是消息队列及消息队列原理和应用场景详解
  11. xcode打包IPA(完整详细图文)
  12. HBuilder打包
  13. 搭建DVWA出现错误:DVWA System error - config file not found.
  14. 参照国家一级博物馆运行评估指标体系,博物馆综合业务服务平台就该如此建设
  15. 程序员副业之无货源闲鱼
  16. 《AcFun 的视频架构演化实践》读后感
  17. CET-4 week8# 细枝末节
  18. STL模型转点云数据
  19. 基于html+css+javascript+jquery制作北京景点介绍7页 WEB静态旅游景点区主题网页设计与制作
  20. JAVA语言考试系统的设计与实现(论文+源代码+文献综述+外文翻译+开题报告)

热门文章

  1. js简单实现div里面的内容向上平滑滚动。
  2. iOS开发,导入CocoaPods常用的类库
  3. Visual Studio 2012 更新包2发布,附离线安装方法及下载
  4. 文本生成系列之预训练模型
  5. 华为诺亚方舟 | 构建1亿组图文对中文多模态数据集
  6. 【新Attention】最强的Attention函数诞生啦,带给你意想不到的巨大提升!
  7. Transformers资料汇总,从概要到原理到应用
  8. 腾讯、百度、滴滴最新NLP算法面经
  9. 一道错误答案传遍全网的逻辑面试题
  10. TensorFlow学习笔记——图像数据处理