• 在庆祝海南建省办经济特区30周年大会上的讲话 2019-10-07
  • 俄罗斯世界杯F组:球迷风采 2019-09-24
  • 彭于晏廖凡曝姜文“精神洁癖” 2019-09-24
  • 苏州大学研究生支教团网上众筹资助留守儿童 2019-09-23
  • 湖北政务微信排行榜第187期出炉 交警类公号表现亮眼 2019-09-19
  • 【奋斗吧2018】风电检修工——荒原上的“听风者” 2019-08-31
  • 母亲节又送康乃馨?送这样的健康佳品才走心 2019-08-30
  • [酷]此文已经把马克思理论、边际理论、人类需求层次理论、生物学理论、心理学理论、社会管理学理论等理论在哲学层面完美融合了! 2019-08-26
  • 兰芝雪纱修颜气垫隔离霜 2019-07-27
  • “鹊桥”中继星顺利进入使命轨道运行 2019-07-27
  • 超越舆情管理的360度信息决策 2019-07-22
  • 视频陶然居变形记:从路边小饭馆到全国餐饮十强 2019-07-21
  • 防震减灾事业发展的重要理论成果 2019-07-20
  • 珠宝配美人!李冰冰大片衣着性感秀身段 2019-07-20
  • 机器人也能拥有“情商”?这个可以有 2019-07-19
  • 香港赛马会彩:Python中numpy??槌<梅╠emo实例小结

     更新时间:2019年03月16日 12:07:31   作者:xuejianbest   我要评论
    这篇文章主要介绍了Python中numpy??槌<梅?结合实例形式总结分析了numpy常见的运算操作技巧与注意事项,需要的朋友可以参考下

    香港赛马会网站惠泽社绝杀八码 www.mwcrz.tw 本文实例总结了Python中numpy??槌<梅?。分享给大家供大家参考,具体如下:

    import numpy as np
    
    
    arr = np.array([[1,2,3], [2,3,4]])
    print(arr)
    print(type(arr))
    print('number of dim:', arr.ndim)
    print('shape:', arr.shape)
    print('size:', arr.size)
    
    

    [[1 2 3]
     [2 3 4]]
    number of dim: 2
    shape: (2, 3)
    size: 6

    a32 = np.array([1,23,456], dtype=np.int)
    print(a32.dtype)
    a64 = np.array([1,23,456], dtype=np.int64)
    print(a64.dtype)
    f64 = np.array([1,23,456], dtype=np.float)
    print(f64.dtype)
    
    

    int32
    int64
    float64

    z = np.zeros((3, 4))
    print(z)
    print(z.dtype)
    print()
    one = np.ones((3, 4), dtype=int)
    print(one)
    print(one.dtype)
    print()
    emt = np.empty((3, 4), dtype=int)
    print(emt)
    print(emt.dtype)
    print()
    ran = np.arange(12).reshape((3,4))
    print(ran)
    print(ran.dtype)
    print()
    li = np.linspace(1, 10, 6).reshape(2, 3)
    print(li)
    print(li.dtype)
    
    

    [[0. 0. 0. 0.]
     [0. 0. 0. 0.]
     [0. 0. 0. 0.]]
    float64
    [[1 1 1 1]
     [1 1 1 1]
     [1 1 1 1]]
    int32
    [[          0  1072693248  1717986918  1074161254]
     [ 1717986918  1074947686 -1717986918  1075419545]
     [ 1717986918  1075865190           0  1076101120]]
    int32
    [[ 0  1  2  3]
     [ 4  5  6  7]
     [ 8  9 10 11]]
    int32
    [[ 1.   2.8  4.6]
     [ 6.4  8.2 10. ]]
    float64

    a = np.array([10,20,30,40])
    b = np.arange(4)
    print(a)
    print(b)
    print()
    print(a+b)
    print(a-b)
    print(a*b)
    print()
    print(a**b)
    print()
    print(10*np.sin(a))
    print()
    print(b<3)
    print()
    
    

    [10 20 30 40]
    [0 1 2 3]
    [10 21 32 43]
    [10 19 28 37]
    [  0  20  60 120]
    [    1    20   900 64000]
    [-5.44021111  9.12945251 -9.88031624  7.4511316 ]
    [ True  True  True False]

    a = np.array([[1,2], [3,4]])
    b = np.arange(4).reshape(2, 2)
    print(a)
    print(b)
    print()
    print(a * b)
    print(np.dot(a, b)) #矩阵乘法,或下面:
    print(a.dot(b))
    print()
    
    

    [[1 2]
     [3 4]]
    [[0 1]
     [2 3]]
    [[ 0  2]
     [ 6 12]]
    [[ 4  7]
     [ 8 15]]
    [[ 4  7]
     [ 8 15]]

    a = np.random.random((2, 4))
    print(a)
    print(np.sum(a))
    print(np.min(a))
    print(np.max(a))
    print()
    print(np.sum(a, axis=1)) #返回每一行的和。 axis=1代表行
    print(np.min(a, axis=0)) #返回每一列的最小值。 axis=0代表列
    print(np.mean(a, axis=1)) #返回每一行的平均值
    
    

    [[0.04456704 0.99481679 0.96599561 0.48590905]
     [0.56512852 0.62887714 0.78829115 0.32759434]]
    4.8011796551183945
    0.04456704487406293
    0.9948167913629338
    [2.4912885  2.30989116]
    [0.04456704 0.62887714 0.78829115 0.32759434]
    [0.62282212 0.57747279]

    A = np.arange(2, 14).reshape(3, 4)
    print(A)
    print(np.argmin(A)) #最小索引
    print(np.argmax(A)) #最大索引
    print()
    print(A.mean())
    print(np.median(A)) #中位数
    print(A.cumsum()) #累加值
    print(np.diff(A)) #相邻差值
    print()
    
    

    [[ 2  3  4  5]
     [ 6  7  8  9]
     [10 11 12 13]]
    0
    11
    7.5
    7.5
    [ 2  5  9 14 20 27 35 44 54 65 77 90]
    [[1 1 1]
     [1 1 1]
     [1 1 1]]
    (array([0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2], dtype=int32), array([0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3], dtype=int32))

    A = np.array([[1,0], [0,3]])
    print(A)
    print(A.nonzero()) #分别输出非零元素的行和列值
    print(np.sort(A)) #逐行排序后的矩阵
    print(np.sort(A, axis=0)) #逐列排序的矩阵
    print(np.sort(A).nonzero())
    print()
    B = np.arange(14, 2, -1).reshape(3, 4)
    print(B)
    print(B.transpose()) #转置
    print((B.T).dot(B)) #转置
    print()
    print(np.clip(B, 5, 9)) #B中将范围限定,大于9的数都为9,小于5的都为5,之间的数不变
    print()
    
    

    [[1 0]
     [0 3]]
    (array([0, 1], dtype=int32), array([0, 1], dtype=int32))
    [[0 1]
     [0 3]]
    [[0 0]
     [1 3]]
    (array([0, 1], dtype=int32), array([1, 1], dtype=int32))
    [[14 13 12 11]
     [10  9  8  7]
     [ 6  5  4  3]]
    [[14 10  6]
     [13  9  5]
     [12  8  4]
     [11  7  3]]
    [[332 302 272 242]
     [302 275 248 221]
     [272 248 224 200]
     [242 221 200 179]]
    [[9 9 9 9]
     [9 9 8 7]
     [6 5 5 5]]

    A = np.arange(3, 7)
    print(A)
    print(A[2])
    print()
    B = np.arange(3, 15).reshape(3, 4)
    print(B)
    print(B[2])
    print(B[2][1])
    print(B[2, 1])
    print()
    print(B[2, 2:])
    print(B[1:, 2:])
    print()
    for row in B:
      print(row)
    print()
    for col in B.T:
      print(col)
    print()
    print(B.flatten())
    for elm in B.flat:
      print(elm)
    
    

    [3 4 5 6]
    5
    [[ 3  4  5  6]
     [ 7  8  9 10]
     [11 12 13 14]]
    [11 12 13 14]
    12
    12
    [13 14]
    [[ 9 10]
     [13 14]]
    [3 4 5 6]
    [ 7  8  9 10]
    [11 12 13 14]
    [ 3  7 11]
    [ 4  8 12]
    [ 5  9 13]
    [ 6 10 14]
    [ 3  4  5  6  7  8  9 10 11 12 13 14]
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14

    #矩阵合并
    A = np.array([1,1,1])
    B = np.array([2,2,2])
    C = np.vstack((A, B, A, B))
    print(C)
    print(A.shape, (A.T).shape)
    print(C.shape)
    print()
    D = np.hstack((A, B))
    print(D)
    print()
    print(A[np.newaxis, :])
    print(A[:, np.newaxis])
    print(np.hstack((A[:, np.newaxis], B[:, np.newaxis])))
    print()
    print(np.stack((A,B), axis=0))
    print(np.stack((A,B), axis=1))
    #print(np.concatenate((A,B,B,A), axis=0))
    #print(np.concatenate((A,B,B,A), axis=1))
    
    

    [[1 1 1]
     [2 2 2]
     [1 1 1]
     [2 2 2]]
    (3,) (3,)
    (4, 3)
    [1 1 1 2 2 2]
    [[1 1 1]]
    [[1]
     [1]
     [1]]
    [[1 2]
     [1 2]
     [1 2]]
    [[1 1 1]
     [2 2 2]]
    [[1 2]
     [1 2]
     [1 2]]

    A = np.arange(12).reshape(3, 4)
    print(A)
    print(np.split(A, 2, axis=1))
    print(np.split(A, 3, axis=0))
    print()
    print(np.array_split(A, 3, axis=1)) #不等分割
    print()
    print(np.hsplit(A, 2))
    print(np.vsplit(A, 1))
    
    

    [[ 0  1  2  3]
     [ 4  5  6  7]
     [ 8  9 10 11]]
    [array([[0, 1],
           [4, 5],
           [8, 9]]), array([[ 2,  3],
           [ 6,  7],
           [10, 11]])]
    [array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,  9, 10, 11]])]
    [array([[0, 1],
           [4, 5],
           [8, 9]]), array([[ 2],
           [ 6],
           [10]]), array([[ 3],
           [ 7],
           [11]])]
    [array([[0, 1],
           [4, 5],
           [8, 9]]), array([[ 2,  3],
           [ 6,  7],
           [10, 11]])]
    [array([[ 0,  1,  2,  3],
           [ 4,  5,  6,  7],
           [ 8,  9, 10, 11]])]

    A = np.arange(4)
    B = A
    C = B
    D = A.copy()
    print(A, B, C, D)
    A[0] = 5
    print(A, B, C, D)
    print(id(A), id(B), id(C), id(D)) #id返回指针的值(内存地址)
    print()
    
    

    [0 1 2 3] [0 1 2 3] [0 1 2 3] [0 1 2 3]
    [5 1 2 3] [5 1 2 3] [5 1 2 3] [0 1 2 3]
    172730832 172730832 172730832 172730792

    更多关于Python相关内容感兴趣的读者可查看本站专题:《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总

    希望本文所述对大家Python程序设计有所帮助。

  • 在Python中使用cookielib和urllib2配合PyQuery抓取网页信息

    在Python中使用cookielib和urllib2配合PyQuery抓取网页信息

    这篇文章主要介绍了在Python中使用cookielib和rllib2配合PyQuery抓取网页信息的教程,主要是利用PyQuery解析HTML来实现,需要的朋友可以参考下
    2015-04-04
  • Python GUI编程 文本弹窗的实例

    Python GUI编程 文本弹窗的实例

    今天小编就为大家分享一篇Python GUI编程 文本弹窗的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-06-06
  • python使用pipeline批量读写redis的方法

    python使用pipeline批量读写redis的方法

    今天小编就为大家分享一篇python使用pipeline批量读写redis的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-02-02
  • Django上线部署之IIS的配置方法

    Django上线部署之IIS的配置方法

    这篇文章主要介绍了Django上线部署之IIS的配置方法,非常不错,具有一定的参考借鉴价值,需要的朋友可以参考下
    2019-08-08
  • Python编程实现粒子群算法(PSO)详解

    Python编程实现粒子群算法(PSO)详解

    这篇文章主要介绍了Python编程实现粒子群算法(PSO)详解,涉及粒子群算法的原理,过程,以及实现代码示例,具有一定参考价值,需要的朋友可以了解下。
    2017-11-11
  • python3.7 openpyxl 删除指定一列或者一行的代码

    python3.7 openpyxl 删除指定一列或者一行的代码

    这篇文章主要介绍了python3.7 openpyxl 删除指定一列或者一行,文中通过代码给大家介绍了python3 openpyxl基本操作,代码简单易懂,需要的朋友可以参考下
    2019-10-10
  • Python设计模式之观察者模式实例

    Python设计模式之观察者模式实例

    这篇文章主要介绍了设计模式中的观察者模式Python实例,需要的朋友可以参考下
    2014-04-04
  • 详解windows python3.7安装numpy问题的解决方法

    详解windows python3.7安装numpy问题的解决方法

    这篇文章主要介绍了windows python3.7安装numpy问题的解决方法,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2018-08-08
  • python中numpy.zeros(np.zeros)的使用方法

    python中numpy.zeros(np.zeros)的使用方法

    下面小编就为大家带来一篇python中numpy.zeros(np.zeros)的使用方法。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2017-11-11
  • 最新评论

    微信 投稿 投诉建议 在线工具
  • 在庆祝海南建省办经济特区30周年大会上的讲话 2019-10-07
  • 俄罗斯世界杯F组:球迷风采 2019-09-24
  • 彭于晏廖凡曝姜文“精神洁癖” 2019-09-24
  • 苏州大学研究生支教团网上众筹资助留守儿童 2019-09-23
  • 湖北政务微信排行榜第187期出炉 交警类公号表现亮眼 2019-09-19
  • 【奋斗吧2018】风电检修工——荒原上的“听风者” 2019-08-31
  • 母亲节又送康乃馨?送这样的健康佳品才走心 2019-08-30
  • [酷]此文已经把马克思理论、边际理论、人类需求层次理论、生物学理论、心理学理论、社会管理学理论等理论在哲学层面完美融合了! 2019-08-26
  • 兰芝雪纱修颜气垫隔离霜 2019-07-27
  • “鹊桥”中继星顺利进入使命轨道运行 2019-07-27
  • 超越舆情管理的360度信息决策 2019-07-22
  • 视频陶然居变形记:从路边小饭馆到全国餐饮十强 2019-07-21
  • 防震减灾事业发展的重要理论成果 2019-07-20
  • 珠宝配美人!李冰冰大片衣着性感秀身段 2019-07-20
  • 机器人也能拥有“情商”?这个可以有 2019-07-19
  • 重庆时时彩开奖视频直播 本金500如何倍投图表 发彩app官方下载 2018炸金花棋牌游戏 重庆时时三星基本走势 微信群赌博大小单双 体彩大乐透19069 牌九玩法图解 足球彩票比分直播 泰山计划免费