NumPy科学计算 | 您所在的位置:网站首页 › numpy列相加 › NumPy科学计算 |
np.arange创建数组 import numpy as np a = np.arange(9) a.dtype a.shape #shape属性返回一个元组(tuple) np.array创建多维数组m = np.array([np.arange(2),np.arange(2)]) arange创建数组,作为参数传给array,创建了一个2x2的数组创建一个3x3的多维数组w = np.array([np.arange(3),np.arange(3),np.arange(3)]) 步长2a[3:7:2] 逆序a[::-1] b = np.arange(24).reshape(2,3,4) --2层,3行,4列 用:a来代替当前所有值,b[:,0,0]代表所有楼层的第1行第1列,b[0,:,:]代表第一层所有房间 多个冒号:可以用省略号...代替,b[0,:,:] == b[0,...] raval函数,将多列展平,只展示视图view flatten函数,将多列展平,且保存结果 reshape跟在表达式后设置维度 transpose 转置矩阵行转列 resize 设置维度,会直接修改 组合数组a = np.arange(9).reshape(3,3) b = 2*a a,b 水平组合np.hstack((a,b)) #stack:组合 np.concatenate((a,b),axis = 1) 当axis参数为0时,表示沿着纵轴进行计算。 当axis参数为1时,表示沿着横轴进行计算。 垂直组合np.vstack((a,b)) np.concatenate((a,b), axis = 0) 浅拷贝:a is b 深拷贝:a.copy,a[1,2,3,4,5].copy 切片:a[::] 索引:a[] 1.cond = a >=120,a[cond] 2.布尔值其实就是1,0,快速找到目标数据项可以使用连乘 形状操作: shape:初始形状,几维 reshape:改变形状,改变维度 数组转置: a.T:行转列,列转行 三维数组及以上:a.transpose(b,(2,1,0)):默认0,1,2 改变为2,1,0 切片:split(a,indices_or_sections=3) ,平均分成3份 广播机制:两个数组形状不一致,通过扩展数组的方式实现相加、相减、相乘等操作 arr1 = np.array([0,1,2,3]*3) 低维度数组复制相应层数与高维数组进行运算 元素级方法: abs:绝对值 sqrt:开根号 square:平方 exp:求e的n次幂 log:对数 pi:π maximum(a,c):选取a和c里最大的那个值 minimum:选小的 any:有一个True就返回True all:所有都True就返回True inner:内积,对应位置积的和 clip:数据裁剪,clip(a,10,80),让a数组小于10的值都变成10,大于80的值都变成80 ceil:向上取整 floor:向下取整 trace:算对角线上的和 |
CopyRight 2018-2019 实验室设备网 版权所有 |