import numpy as np

什么类型的相加,返回的还是什么类型的,所以在累加小类型的数值时会出现问题如下:

a=np.array([123,232,221], dtype=np.uint8)

a[0]+a[1]+a[2]  返回的和就是错误的,因为和超出了255,返回的和的类型为uint8,所以结果是错误的,

这个要小心,

需要把a的类型进行变换,a=np.int32(a),就不会出现上面的问题了。

  • np.zeros() 等自己创建的数组,类型为float64,是默认的,可以在创建时制定类型。

np.zeros(4, dtype=np.uint8)

np.zeros((3,4), dtype=np.int16)

  • np.linspace(a,b,c, endpoint=True)  创建从a到b的等差序列,包含c个元素,包含a和b(如果endpoint=True)。默认为True
  • 三维数组排列(2,3,4)

是第一页,再第二页,每页里是行,列排放。

(6,2,3,4,5)五维的数据的话六个桌子排成排,每个桌子上有两本书,每本书有三页,每页上有4行5列数字。

  • 运算

a*b 是elementwise product 元素对元素操作

a.dot(b)  或者 np.dot(a,b) 是 matrix product 矩阵运算

  • 随机数

np.random.random(5)   或者np.random.random((3,4))   生成随机数字的数组,都是小于1的。

a.min() , a.max() , a.sum()   最小,最大,元素求和

可以求出每一的最大或者最小或者和,a.min(axis=1), a.max(axis=1), a.sum(axis=1) ,每一的话用axis=0

  • python里面平方用**表示, 如2**3=8

for  i in a:

print(i)

时是按照第一个维度来的,如果是三维,i就是一页一页的,如果是二维的,i就是一行一行的.

  • 引用时的区别

a为一个二维数组,如果a[:,1:2] 得到的是一个n行1列的二维数组,但是a[:, 1]得到的是一个n个元素的一维数组

数组的拼接

np.concatenate((a,b), 0) 是把数组a和b按照前后顺序连起来拼接,

np.concatenate((a,b),1) 是把数组a和b对应的行拼接起来

例如a=[[1,2],

    [3,4]]

  b=[[5,6],

    [7,8]]

那么np.concatenate((a,b),1)  就等于

  [ [1,2,5,6],

   [3,4,7,8] ]

  np.concatenate((a,b), 0)就等于

  【【1,2】,

    【3,4】,

    【5,6】,

    【7,8】】

转载于:https://www.cnblogs.com/beforeluck-shang/p/8640187.html

numpy 一些知识相关推荐

  1. NumPy 基础知识·翻译完成

    原文:Numpy Essentials 协议:CC BY-NC-SA 4.0 欢迎任何人参与和完善:一个人可以走的很快,但是一群人却可以走的更远. 在线阅读 ApacheCN 面试求职交流群 7241 ...

  2. Cris 的 Python 数据分析笔记 01:NumPy 基本知识

    01. NumPy基本知识 文章目录 01. NumPy基本知识 1. numpy 的第一个函数 genfromtxt 2. numpy 的第二个函数 array 3. numpy 的第三个函数 sh ...

  3. numpy.array知识大全

    numpy.array知识大全 numpy.array()的作用 numpy.array()知识点总结 numpy 的数据调用 numpy.array()的数据类型 numpy.array()的计算 ...

  4. Python numpy基础知识

    1.基础知识 NumPy的主要对象是多维数组.它是由相同元素(通常是数字)组成的,通过正整数元组(tuple)作为索引的表格. 在数组中,纬度(dimensional)被称为轴(axis),轴的数量被 ...

  5. Numpy基础知识(摘录笔记)

    Nump基础(部分知识) 导入numpy包 import numpy as np import numpy as np data = np.arange(12).reshape(3,4) data a ...

  6. 可能是最全的NumPy基础知识

    作者:战争热诚 https://www.cnblogs.com/wj-1314/p/9722794.html 一.NumPy简介 其官网是:http://www.numpy.org/ NumPy是Py ...

  7. Python+OpenCV 图像处理系列(8)—— Numpy 对象及图像对象创建与赋值

    1. Numpy 相关知识 1.1 Ndarray 对象 在了解 OpenCV 的图像对象之前我们先对 NumPy 的基础知识做一回顾,方便我们后续更进一步理解图像对象的一系列操作. In [2]: ...

  8. 【Python进阶】你真的明白NumPy中的ndarray吗?

    欢迎来到专栏<Python进阶>.在这个专栏中,我们会讲述Python的各种进阶操作,包括Python对文件.数据的处理,Python各种好用的库如NumPy.Scipy.Matplotl ...

  9. Numpy 之 where理解

    最近在看一些Numpy的知识,看到知乎上一篇关于where的讲解特意转载一下 原文链接:https://www.zhihu.com/question/62844162  作者ID:品颜完月 理解如下: ...

最新文章

  1. 今天的工作发现了4年前的“bug一枚”
  2. linux c编译错误storage class specified for parameter XXX
  3. 【计算机网络】数据链路层 : 广域网 ( 广域网概念 | PPP 协议 | PPP 协议功能 | PPP 协议组成 | PPP 协议帧格式 )
  4. 搞定Go单元测试(三)—— 断言(testify)
  5. JavaScript学习(三十七)—实现右键自定义菜单的功能
  6. python2和python3的区别 print-Python2与Python3中print用法总结
  7. golangd 报错信息梳理
  8. Uva 12563 - Jin Ge Jin Qu(01背包)
  9. U盘中的SanDiskSecureAccess可以删除么?删除后影响U盘的使用么?
  10. 微信应用(小程序)开发最全整理
  11. Unity3D 学习 代码
  12. 十年生死两茫茫,当我们已不再年轻——焦版小李飞刀
  13. spark 实现K-means算法
  14. 服务器制作raid,实战案例——服务器制作raid磁盘阵列并管理
  15. maven仓库已经存在jar包但是还是显示引入错误/失败
  16. 简单的flask+nginx项目助你开阔思路
  17. 头歌:输入输出之计算圆周长与面积
  18. java基础英语词汇
  19. 微信公众号自定义分享标题、图片、链接
  20. linux中ftp如何使用,linux下ftp如何使用

热门文章

  1. python并发循环_在Python中模拟一个并发循环?
  2. ubuntu vscode_17. ubuntu设为服务器+vscode远程开发
  3. viper4android最新版卡刷包,viper4android fx音效驱动
  4. 2018厦门大学计算机技术分数线,厦大录取分数线2018 各省最新录取情况
  5. 4g网络什么时候淘汰_你的4G手机 什么时候淘汰
  6. Spring RestController
  7. 主流Java微服务框架有哪些?-开课吧
  8. 【Linux】Linux JSON 格式化输出
  9. HBase 1.3(NOSQL) 发布,性能大幅提升
  10. CA服务器的简单搭建