numpy基础篇-简单入门教程2
import numpy as np
Array 数组
print(np.zeros((2, 2))) # [[0. 0.] [0. 0.]]
print(np.ones((2, 2))) # [[1. 1.] [1. 1.]]
print(np.full((2, 2), 7)) # [[7 7] [7 7]]
print(np.eye(2)) # [[1. 0.] [0. 1.]]
print(np.random.random((2, 2))) # [[0.67151478 0.61234823] [0.85594251 0.0654221 ]]
a = np.array(np.arange(9).reshape(3, 3))
print(a) # [[0 1 2] [3 4 5] [6 7 8]]
print(a[0, 0]) # 0
print(a[0][0]) # 0
print(type(a[0, 0])) # <class 'numpy.int64'>
print(type(a[0][0])) # <class 'numpy.int64'>
print(a[0, 0].shape) # ()
print(a[0][0].shape) # ()
print(a[1, :]) # [3 4 5]
print(a[1][:]) # [3 4 5]
print(type(a[1, :])) # <class 'numpy.ndarray'>
print(type(a[1][:])) # <class 'numpy.ndarray'>
print(a[1, :].shape) # (3,)
print(a[1][:].shape) # (3,)
a = np.array(np.arange(9).reshape(3, 3))
print(a) # [[0 1 2] [3 4 5] [6 7 8]]
print(a[1, :]) # [3 4 5]
print(a[1:2, :]) # [[3 4 5]]
print(a[1, :].shape) # (3,)
print(a[1:2, :].shape) # (1, 3)
print(a[:, 1]) # [1 4 7]
print(a[:, 1:2]) # [[1] [4] [7]]
print(a[:, 1].shape) # (3,)
print(a[:, 1:2].shape) # (3, 1)
a = np.array(np.arange(1, 7, 1).reshape(3, 2))
print(a) # [[1 2] [3 4] [5 6]]
print(a[[0, 1, 2], [0, 1, 0]]) # [1 4 5]
print(np.array([a[0, 0], a[1, 1], a[2, 0]])) # [1 4 5]
a = np.array(np.arange(1, 13, 1).reshape(3, 4))
print(a) # [[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]]
b = np.array([0, 2])
print(a[np.arange(1, 3, 1), b]) # [ 5 11]
a[np.arange(1, 3, 1), b] += 10
print(a) # [[ 1 2 3 4] [15 6 7 8] [ 9 10 21 12]]
bool 布尔
a = np.array(np.arange(1, 7, 1).reshape(3, 2))
print(a) # [[1 2] [3 4] [5 6]]
bool_idx = (a > 2)
print(bool_idx) # [[False False] [ True True] [ True True]]
print(a[bool_idx]) # [3 4 5 6]
print(a[a > 2]) # [3 4 5 6]
type 类型
x = np.array([1, 2])
print(x.dtype) # int64
x = np.array([1.0, 2.0])
print(x.dtype) # float64
x = np.array([1, 2], dtype=np.int8)
print(x.dtype) # int8
基本运算
x = np.array(np.arange(1, 5, 1).reshape(2, 2), dtype=np.float64)
y = np.array(np.arange(5, 9, 1).reshape(2, 2), dtype=np.float64)
print(x) # [[1. 2.] [3. 4.]]
print(y) # [[5. 6.] [7. 8.]]
print(x + y)
print(np.add(x, y)) # [[ 6. 8.] [10. 12.]]
print(x - y)
print(np.subtract(x, y)) # [[-4. -4.] [-4. -4.]]
print(x * y)
print(np.multiply(x, y)) # [[ 5. 12.] [21. 32.]]
print(x / y)
print(np.divide(x, y)) # [[0.2 0.33333333] [0.42857143 0.5 ]]
print(np.sqrt(x)) # [[1. 1.41421356] [1.73205081 2. ]]
矩阵乘法
x = np.array([[1, 2], [3, 4]])
y = np.array([[5, 6], [7, 8]])
v = np.array([9, 10])
w = np.array([11, 12])
print(v.dot(w))
print(np.dot(v, w)) # 219
print(x.dot(v))
print(np.dot(x, v)) # [29 67]
print(x.dot(y))
print(np.dot(x, y)) # [[19 22] [43 50]]
sum 求和
x = np.array([[1, 2], [3, 4]])
print(x) # [[1 2] [3 4]]
print(np.sum(x)) # 10
print(np.sum(x, axis=0)) # [4 6] Compute sum of each column
print(np.sum(x, axis=1)) # [3 7] Compute sum of each row
.T 转置
x = np.array([[1, 2], [3, 4]])
v = np.array([1, 2, 3])
print(x.T) # [[1 3] [2 4]] 2D array
print(v.T) # [1 2 3] 1D array
broadcasting 广播
x = np.array(np.arange(1, 13, 1).reshape(4, 3)) # [[ 1 2 3] [ 4 5 6] [ 7 8 9] [10 11 12]]
v = np.array([1, 0, 1])
y = np.empty_like(x)
print(y) # [[ 1 2 3] [ 4 5 6] [ 7 8 9] [10 11 12]]
for i in range(4):
y[i, :] = x[i, :] + v
print(y) # [[ 2 2 4] [ 5 5 7] [ 8 8 10] [11 11 13]]
x = np.array(np.arange(1, 13, 1).reshape(4, 3))
v = np.array([1, 0, 1])
vv = np.tile(v, (4, 1)) # [[1 0 1] [1 0 1] [1 0 1] [1 0 1]]
y = x + vv
print(y) # [[ 2 2 4] [ 5 5 7] [ 8 8 10] [11 11 13]]
y = x + v # broadcaste
print(y) # [[ 2 2 4] [ 5 5 7] [ 8 8 10] [11 11 13]]
v = np.array([1, 2, 3])
w = np.array([4, 5])
print(np.reshape(v, (3, 1)) * [0, 1, 2]) # [[0 1 2] [0 2 4] [0 3 6]] w has 3 numbers,so has 3 rows
x = np.array([[1, 2, 3], [4, 5, 6]])
print(x + v) # [[2 4 6] [5 7 9]]
print((x.T + w).T) # [[ 5 6 7] [ 9 10 11]]
print(x + np.reshape(w, (2, 1))) # [[ 5 6 7] [ 9 10 11]]
print(x * 2) # [[ 2 4 6] [ 8 10 12]]
numpy基础篇-简单入门教程2的更多相关文章
- numpy基础篇-简单入门教程4
np.set_printoptions(precision=3),只显示小数点后三位 np.random.seed(100) rand_arr = np.random.random([2, 2]) n ...
- numpy基础篇-简单入门教程3
np import numpy as np np.__version__ print(np.__version__) # 1.15.2 numpy.arange(start, stop, step, ...
- numpy基础篇-简单入门教程1
np.split(A, 4, axis=1),np.hsplit(A, 4) 分割 A = np.arange(12).reshape((3, 4)) # 水平方向的长度是4 print(np.spl ...
- NumPy简单入门教程
# NumPy简单入门教程 NumPy是Python中的一个运算速度非常快的一个数学库,它非常重视数组.它允许你在Python中进行向量和矩阵计算,并且由于许多底层函数实际上是用C编写的,因此你可以体 ...
- 程序员,一起玩转GitHub版本控制,超简单入门教程 干货2
本GitHub教程旨在能够帮助大家快速入门学习使用GitHub,进行版本控制.帮助大家摆脱命令行工具,简单快速的使用GitHub. 做全栈攻城狮-写代码也要读书,爱全栈,更爱生活. 更多原创教程请关注 ...
- GitHub这么火,程序员你不学学吗? 超简单入门教程 【转载】
本GitHub教程旨在能够帮助大家快速入门学习使用GitHub. 本文章由做全栈攻城狮-写代码也要读书,爱全栈,更爱生活.原创.如有转载,请注明出处. GitHub是什么? GitHub首先是个分布式 ...
- Flyway 简单入门教程
原文地址:Flyway 简单入门教程 博客地址:http://www.extlight.com 一.前言 Flyway 是一款开源的数据库版本管理工具,它更倾向于规约优于配置的方式.Flyway 可以 ...
- .net 开源模板引擎jntemplate 实战演习:基础篇之入门
一.简介 模板引擎是Web开发中非常重要的一环,它负责将页面上的动态内容呈现出最终的结果展现给前端用户,在asp.net mvc中,我们最熟悉的就是Razor了,作为官方的视图引擎(视图引擎不等同于模 ...
- 【ASP.NET 基础】WCF入门教程一(什么是WCF)?
一.概述 Windows Communication Foundation(WCF)是由微软发展的一组数据通信的应用程序开发接口,可以翻译为Windows通讯接口,它是.NET框架的一部分.由 .NE ...
随机推荐
- C# Lambda && Linq
Lambda表达式在C#3.0加入,它是一个匿名函数,可用于创建委托或者表达式树类型,运算符为=>,读作"goes to",=>左侧是变量,右侧是表达式,变量类型可以自 ...
- 利用@keyframe及animation做一个页面Loading时的小动画
前言 利用@keyframe规则和animation常用属性做一个页面Loading时的小动画. 1 @keyframe规则简介 @keyframes定义关键帧,即动画每一帧执行什么. 要使用关键帧 ...
- SpringBoot学习笔记(15)----SpringBoot使用Druid
直接访问Druid官网wiki,有详细教程,地址如下: SpringBoot支持Druid地址:https://github.com/alibaba/druid/tree/master/druid-s ...
- ICA(独立成分分析)笔记
ICA又称盲源分离(Blind source separation, BSS) 它假设观察到的随机信号x服从模型,其中s为未知源信号,其分量相互独立,A为一未知混合矩阵. ICA的目的是通过且仅通过观 ...
- js表格隔行换色和hover效果
<!--js效果--> <script src="js/jquery.min.js" language="javascript">< ...
- 路飞学城Python-Day10(practise)
作业:现要求你写一个简单的员工信息增删该查程序,需求如下:当然此表在文件存储时可以这样表示1,Alex Li,22,13651054608,IT,2013-04-012,Jack Wang,28,13 ...
- How Javascript works (Javascript工作原理) (二) 引擎,运行时,如何在 V8 引擎中书写最优代码的 5 条小技巧
个人总结: 一个Javascript引擎由一个标准解释程序,或者即时编译器来实现. 解释器(Interpreter): 解释一行,执行一行. 编译器(Compiler): 全部编译成机器码,统一执行. ...
- Iterator(迭代器) 和generator
数组是可迭代的 var a = []; console.dir(a); 发现这里有一个Symbol.iterator ,说明它是可迭代的. object 是不可以迭代的 var a = {} cons ...
- 架构思想之CAP原理
由于自己负责后端的设计已经有一段时间,对设计的一些思想和理论有一些理解,但最近被问到什么是CAP时,却一脸懵逼,下来后专门针对CAP架构思想进行了一些专题学习,在这里也将这个概念引入给大家,大家可以有 ...
- python 序列化和反序列化
概念 序列化: 将对象的状态信息转换为可以存储或传输的形式的过程.就是把对象转换成字符串的过程 反序列化: 把字符串转换成python可以识别的数据类型对象的过程 应用 #数据存储 #网络传输 模块 ...