https://blog.csdn.net/mmm305658979/article/details/78745637

# -*- coding: utf-8 -*- 多加练习才是真

import numpy as np
from numpy import newaxis
from numpy import pi
import matplotlib.pyplot as plt
from numpy import ogrid

#生成数组(矩阵)
#a = np.array([[1,2,3],[4,5,6]]) #2*3

#a = np.array([1,2,3]) #3*1

#a = np.ones(16,1); a = np.cumsum(a) #生成16*1矩阵,然后累加得到递增值为1-16的矩阵,作用同下

#a = np.arange(15).reshape(3,5) #生成0开始递增的15个数,然后分成3行5列矩阵
#a = np.arange(24).reshape(2,3,4) #生成2*3*4 3维数组
#np.set_printoptions(threshold='nan') #矩阵元素数量过多会自动省略显示,它可以取消省略显示
#c = np.array([1,2,3])
#c = np.arange(10,100,4) #10,14,18.....98;小数间隔也可
#c = np.linspace(0,2,9) #生成0-2等间隔的9个数
#c = np.ogrid[-100:100:3] #生成-100 - 100等间隔三个数
#c = np.zeros((4,4)) #生成4*4全0矩阵
#c = np.ones((4,4),dtype=float) #生成4*4全1矩阵,浮点型
#c = np.eye(2) #生成单位矩阵[[1,0],[0,1]]
#c = np.empty((2,3)) #随机数,不太懂
#c = np.random.random((2,3)) # √生成随机数矩阵,float
#c = np.random.noral(mu,sigma,1000) #生成位置参数和尺寸参数确定的1000个数据
#矩阵的操作

#print(np.sin(1))

#a = np.ravel(a) # (51,1)的array可以变为(51,)

#np.mat(a) #将a变为矩阵

#b = np.floor(a) #矩阵a中没个元素去掉小数点后的数并保存为float格式
#print(a.ndim) #指的是二维矩阵即m*n的矩阵(数组),亦称为秩(rank)
#np.trace(a) #矩阵的迹,对角线上数之和
#print(a.size) #矩阵所包含元素个数
#print(a.shape) #矩阵所包含元素形状如(3,4)
#print(a.reshape(2,-1)) #变形为2行,列数自动计算,a本身不变
#a.resize(16,1) #a本身变形为16行1列,等于a.shape=16,-1
#print(a.T) #矩阵的转置,1维向量并且没加入newaxis时失效
#np.linalg.inv(a) #矩阵的逆矩阵,a*a-1 = 1
#print(a.data) #实际数组元素的缓冲区
#a = np.array([[1,0],[2,3]])
#b = np.array([[2,4],[1,5]])
#c = a*b #a和b对应位置相乘,与matlab中相反
#c = a.dot(b) #等同于c = np.dot(a,b),倆矩阵相乘
#a*=b,a+=b,a-=b #这种运算a,b必须同为整型或浮点型,而a+b(np.add(a,b))则可以int+float
#np.sum([[0, 1], [0, 5]], axis=1) #横着加
#c = a + b #a(4*1),b(1*4) c(4*4)
#c = np.exp(1) #返回e(2.718)的a次方
#c = a**2 #a的平方
#c = a.sum(axis = 0 or 1) or a.max() or a.min #矩阵(0对应每列之和,1对应每行之和)的和,最大值与最小值
#c = a.argmax(axis=0) #返回矩阵每列最大值对应索引号
#a = np.arange(10)
#a[0:6:2] = 100 #0,2,4位置数变成100
#np.sort(a, axis = '-1', kind = 'quicksort') #排序,axis为对第几行排序
#print(a[::-1]) #逆序排列
#print(np.all([[True, False], [True, True]])) #与,返回False
#print(np.any([[True, False], [True, True]])) #或
#ax,bx,cx = np.ix_(a,b,c)  #把a,b,c一维向量变成(x,1,1)(1,x,1)(1,1,x)维度方便他们相乘等

#def f(x,y):
#    return x+y
#a = np.fromfunction(f,(3,4)) #生成3*4矩阵,每个位置值由x和y计算后得到
#a[:,1:3] #返回矩阵a所有行,第2和3列

#矩阵的合并拆分
#print(a[-1]) #返回a最后一行,等于a[-1,:]
#b = [row for row in a] #row表示每一行,迭代输出每一行
#b = [element for element in a.flat] #遍历输出矩阵每一个元素,类似b = a.ravel()
#c = np.vstack((a,b)) #竖向合并a,b,等于np.row_stack((a,b))
#c = np.hstack((a,b)) #横向合并a,b,等于np.column_stack((a,b))
#c = np.hsplit(a,4) #矩阵a分成四等分1(列)|2|3|4
#c = np.vsplit(a,4) #矩阵a分成四等分1(行)/2(行)/3/4
#c = np.hsplit(a,(1,3)) #矩阵a的第2行和第三行一起被分出来

#newaxis对比(非1维矩阵(n*1)无需用,1维需用不然转置合并等都会错误)
#a = np.array([1,2,3])
#b = np.array([[4,5,6]])
#print(a,b)
#c = a[:,newaxis]
#d = b[:,newaxis]
#print(c,d)
#e = np.hstack((a,b))
#g = np.hstack((c,d))
#print(e,g)

#r_与c_ 向量连接
#print(np.r_[np.array([1,2,3]), 0, 0, np.array([4,5,6])]) #r_用于连接行向量
#print(np.c_[np.array([[1,2,3]]), 0, 0, np.array([[4,5,6]])]) #c_用于连接纵向量

#深浅拷贝
#b = a #b变化a跟着变化,简单赋值并没有复制数组。 b is a √
#b = a.view() or a[:] #浅拷贝,b和a共享共同的值但是可以有不同的形状。 b is a ×,b.base is a √ 
#b = a.copy() #深拷贝,b和a互相独立。b is a ×,b.base is a ×

#数据的保存和读取
#np.save("a.npy", a) #括号内首先确定保存的文件名,再确认要保存的数据(单个)
#c = np.load( "a.npy" ) #读取数据
#np.savetxt("a.txt", a) #只能保存一个数组
#np.loadtxt("a.txt")

#np.savez("biubiu.npz",a,b,c)

#r = np.load("biubiu.npz") #读入时变量列表看不到,输入r["arr_0"]返回a,也可以import导入文件

#矩阵元素的查找
#np.searchsorted([1,2,3,4,5], [-10, 10, 2, 3]) #二分查找输出-10等应该插入的位置
#b=np.nonzero(a) #矩阵非0元素位置,二维矩阵a则返回两个向量对应横纵坐标
#b=np.where(a>5) #矩阵中大于5的元素的位置
#a = np.array([1,2,3,4])
#b = np.array([True,False,True,False])
#print(a[b])
#print(a[a>2])

---------------------
作者:黑山白雪m
来源:CSDN
原文:https://blog.csdn.net/mmm305658979/article/details/78745637?utm_source=copy
版权声明:本文为博主原创文章,转载请附上博文链接!

Python之numpy基本指令的更多相关文章

  1. python之numpy的安装

    这是我第一次写博客,我的第一次打算送给python的numpy库的安装指导,这是我看到一位大神的博客后产生的启发,真是控制不住自己,必须得写一下. 第一次安装numpy浪费了我一个下午,结果还没安装好 ...

  2. windows下python安装Numpy、Scipy、matplotlib模块(转载)

    python下载链接     Numpy下载链接 python中Numpy包的安装及使用 Numpy包的安装 准备工作 Python安装 pip安装 将pip所在的文件夹添加到环境变量path路径中 ...

  3. [python] 安装numpy+scipy+matlotlib+scikit-learn及问题解决

    这篇文章主要讲述Python如何安装Numpy.Scipy.Matlotlib.Scikit-learn等库的过程及遇到的问题解决方法.最近安装这个真是一把泪啊,各种不兼容问题和报错,希望文章对你有所 ...

  4. python安装numpy和pandas

    最近要对一系列数据做同比比较,需要用到numpy和pandas来计算,不过使用python安装numpy和pandas因为linux环境没有外网遇到了很多问题就记下来了.首要条件,python版本必须 ...

  5. python和numpy的版本、安装位置

    命令行下查看python和numpy的版本和安装位置 1.查看python版本 方法一: python -V 注意:‘-V‘中‘V’为大写字母,只有一个‘-’ 方法二: python --versio ...

  6. 如何查看安装python和numpy的版本

    命令行下查看python和numpy的版本和安装位置 1.查看python版本 方法一: python -V 注意:‘-V‘中‘V’为大写字母,只有一个‘-’ 方法二: python --versio ...

  7. 命令行下查看python和numpy的版本和安装位置

    命令行下查看python和numpy的版本和安装位置 1.查看python版本 方法一: python -V 注意:‘-V‘中‘V’为大写字母,只有一个‘-’ 方法二: python --versio ...

  8. 图文并茂的Python教程-numpy.pad

    图文并茂的Python教程-numpy.pad np.pad()常用与深度学习中的数据预处理,可以将numpy数组按指定的方法填充成指定的形状. 声明: 需要读者了解一点numpy数组的知识np.pa ...

  9. [转] python安装numpy和pandas

    最近要对一系列数据做同比比较,需要用到numpy和pandas来计算,不过使用python安装numpy和pandas因为linux环境没有外网遇到了很多问题就记下来了.首要条件,python版本必须 ...

随机推荐

  1. MVC生成图片验证码,可指定位数

    前台: <h2>mvc后台生成验证码,可指定位数</h2> <img id="gc" src="GetValidateCode" ...

  2. sublime text 删除插件

    1.ctrl+shift+p 输入remove package 选择要删掉的插件即可 2.去掉产生临死文件的插件:phptools

  3. 如何强制关闭Tomcat

    用Myeclipse打开后启动Tomcat提示信息为:Address already in use: JVM_Bind:80 ,表示该地址和端口已经被占用显示已经打开了.但是关不掉他...所以只能去关 ...

  4. Java Error: java.lang.UnsupportedClassVersionError: ...bad major version at offset=6

    问题分析 报这个错误是指你的jar包或者class 的被编译的jdk版本比当前runtime的jdk版本高. 首先,确定你当前的运行版本: Java代码   Java -version java ve ...

  5. vector deque list

    vector ,deque 和 list 顺序性容器: 向量 vector :   是一个线性顺序结构.相当于数组,但其大小可以不预先指定,并且自动扩展.它可以像数组一样被操作,由于它的特性我们完全可 ...

  6. 再不学会这些技巧,你就OUT了!

    俗话说的好:技多不压身!这句话真是一点都没错,尤其是在21世纪的今天,作为老师的你,如果不会使用下面所要说的这款神器,恐怕你就像玩游戏一样,要被get out!那到底是什么呢?它就是现在正在全国初高中 ...

  7. css常用代码含义

    1.font:12px Arial, Helvetica, sans-serif: 使用了缩写,完整的代码应该是:font-size:12px; font-family:Tahoma:说明字体为12像 ...

  8. Mongodb 与sql 语句对照

    此处用mysql中的sql语句做例子,C# 驱动用的是samus,也就是上文中介绍的第一种. 引入项目MongoDB.dll //创建Mongo连接 var mongo = new Mongo(&qu ...

  9. android:json解析的两个工具:Gson和Jackson的使用小样例

    1.简单介绍 json是android与server通信过程中经常使用的数据格式,比如.例如以下是一个json格式的字符串: {"address":"Nanjing&qu ...

  10. 从css样式表中抽取元素尺寸

    jS从样式表取值的函数.IE中以currentStyle,firefox中defaultView来获取 DOM.style仅仅能读到写在html中的样式值 获取样式值的函数 function retu ...