zoukankan      html  css  js  c++  java
  • Numpy

    Numpy

    numpy.array:将数组转换成向量

    numpy.array([1,2,3,4])
    转化成1维向量
    numpy.array([[1,2,3],[4,5,6],[8,9,10]])
    转换成二维向量

    vector = numpy.array([[1,2,3],[4,5,6],[8,9,10]])
    vector.shape (对象.方法)   形状:三行三列

    对象.dtype 数据类型 全为数字为整型,有一个float全为float,同理有一个字符串,类型为字符串,如[8,9,'10']

    转换成向量取值

      对象[1,4]  第二个样本的第四个,即2行4列对应的值

    切片(同python)

      (1) 对象.[0:3]   取前三个     

      (2) matrix[0,1]  取第一行第二个值    matrix[:,1]   取所有行中的第二列的值

    判断

       对象==6, 返回一个只有true和false的矩阵,对象中等于6的值为true,其余位置为false     dtype为bool

          注:可以将true当作索引值在取回值 6

    类型转换 

       对象.astype(float)          括号中为要转换的类型,此例转换成float型

    运算

      对象.sum(asis=1)     1代表行 ,0代表列   此例为对每行进行求和

    矩阵属性

    a = numpy.arange(15).reshape(3,5)      释义:创造0到14一共15个数,形状为 3行5列  (a.shape)       numpy.arange(10,30,5)   从10开始,30结束(不包含30),5为步长   结果[10,15,20,25]

    对象.ndim    即a.ndim,对象是几维数组     

    对象.size   多少元素

    矩阵操作

    初始化1:numpy.zeros((3,4))     3行4列  元素都为0    同理numpy.ones((3,4))    3行4列  元素都为1   维度只有行和列,所以是2维。 

     numpy.ones((2,3,4))   3维数组

    初始化2:numpy.random.random((2,3))   0-1之间的随机数,2行3列

    初始化3:numpy.linspace(0,3.14,100)    在0-3.14之间平均取100个值

    矩阵运算与线代相同                                       [ [1,2]

    a=[[1,2]        b=[[5,6]                       [3,4]

    [3,4]]             [7,8]]             [5,6]                [1,2,5,6]

    numpy.vstack((a,b))   行拼接  如:   [7,8]]     numpy.hstack((a,b))   列拼接      [3,4,7,8]

    numpy.hsplite(a,3)      a为矩阵,隔4列切一刀,切成一个一个array      numpy.vsplite(a,3) 

    复制

    a=b和b=a.view()   前者完全相同,后者浅拷贝,但是对一个中的数值进行操作二者数值都改变,即啊,b共用一组数据

    b=a.copy()   推荐使用,修改b数值,a中的数值不发生改变

    对象.argmax(axis=0)   找出每一列中的最大值

    numpy.tile(a,(4,2))     如:传进来一个a=[10,20,30],行X4,列X2

    sort   排序

  • 相关阅读:
    SQL SERVER事务处理
    设计模式之简单工厂模式(静态工厂方法)
    设计模式之工厂方法模式
    为什么静态成员变量要通过类外初始化赋值?
    c++中可以对类中私有成员中的静态变量初始化吗?
    C++中的虚函数(virtual function)
    C++ 基础学习笔记(2)函数(测试题)
    c++中子对象的初始化可在复合类的构造函数的函数体内进行吗?还是子对象的初始化只能在初始化列表中进行?
    C++学习笔记(五)虚函数表解析(转)
    看过的书籍(转)
  • 原文地址:https://www.cnblogs.com/Bin-y/p/10686470.html
Copyright © 2011-2022 走看看