网站关键词找不到,合肥网站备案,网页范例,辽阳专业网站建设品牌数组元素的切片
一维数组
#一维数组
#切片方法和Python序列数据结构的切片一样
anp.array([0,1,2,3,4],dtypenp.int64)#占用新的内存
#不包括结束位置
print(a[0:3])
print(a[:3])
print(a[0:]) 二维数组
#二维数组
anp.array([[0,1,2,3,4],[5,6,7,8,9],[10,11,12,13,14]],d…数组元素的切片
一维数组
#一维数组
#切片方法和Python序列数据结构的切片一样
anp.array([0,1,2,3,4],dtypenp.int64)#占用新的内存
#不包括结束位置
print(a[0:3])
print(a[:3])
print(a[0:]) 二维数组
#二维数组
anp.array([[0,1,2,3,4],[5,6,7,8,9],[10,11,12,13,14]],dtypenp.int64)
print(a[0:2])
print(a[:2])
print(a[0:])
print(a[0:2,0:2])
print(a[:,0]) 三维数组
anp.array([[[0,31,2,23,4],[5,56,76,8,79],[10,11,12,13,14]],[[15,16,17,18,19],[10,11,12,13,14],[15,16,17,18,19]],[[0,1,2,3,4],[5,86,87,88,9],[10,11,12,13,14]],[[90,1,92,3,94],[5,6,7,8,9],[10,11,12,13,14]]],dtypenp.int64)
print(原始数据\n,a)
print( )
print(a[0:2])
print( )
print(a[:2])
print( )
print(a[0:])
print( )
print(a[0:2,0:2])
print( )
print(a[:,0])
print( )
print(a[:,:,0])
原始数据[[[ 0 31 2 23 4][ 5 56 76 8 79][10 11 12 13 14]][[15 16 17 18 19][10 11 12 13 14][15 16 17 18 19]][[ 0 1 2 3 4][ 5 86 87 88 9][10 11 12 13 14]][[90 1 92 3 94][ 5 6 7 8 9][10 11 12 13 14]]][[[ 0 31 2 23 4][ 5 56 76 8 79][10 11 12 13 14]][[15 16 17 18 19][10 11 12 13 14][15 16 17 18 19]]][[[ 0 31 2 23 4][ 5 56 76 8 79][10 11 12 13 14]][[15 16 17 18 19][10 11 12 13 14][15 16 17 18 19]]][[[ 0 31 2 23 4][ 5 56 76 8 79][10 11 12 13 14]][[15 16 17 18 19][10 11 12 13 14][15 16 17 18 19]][[ 0 1 2 3 4][ 5 86 87 88 9][10 11 12 13 14]][[90 1 92 3 94][ 5 6 7 8 9][10 11 12 13 14]]][[[ 0 31 2 23 4][ 5 56 76 8 79]][[15 16 17 18 19][10 11 12 13 14]]][[ 0 31 2 23 4][15 16 17 18 19][ 0 1 2 3 4][90 1 92 3 94]][[ 0 5 10][15 10 15][ 0 5 10][90 5 10]]
改变数组的形状 #当改变形状时应该考虑到数组中元素的个数确保改变前后元素总个数相等。
bnp.arange(12)
print(b)
cb.reshape((-1,1))#不改变当前数组按照shape创建新的数组 -1自动计算出这个维度的取值
print(b)
print(c)
db.reshape((3,4))
print(d)
b.resize((3,4))#改变当前数组按照shape创建数组
print(b)
enp.arange(16).reshape(4,4)
print(e)
fnp.arange(16).reshape(2,4,2)
print(f) 数组间的运算
a np.array([0,1,2,3,4])
b np.array([5,6,7,8,9])
c np.array([[5,6,7,8,9],[0,1,2,3,4]])
# #数组加法数组间对应元素相加元素形状长度相同
print(ab)
#1维和2维可以相加1维与二维每行相加
print(ac)
# #幂运算对每个数组中的元素求n次方
print(a**2)
# #矩阵运算矩阵对应元素相乘
print(a*b)
print(a*c) 函数 import numpy as np
a np.array([0,-1,2,3,4])
a1 np.array([0,1,2,3,4])
b np.array([5,6,7,-8,9])
c np.array([[5,-6,7,8,9],[0,-1,2,3,-4]])
print(np.sum(c)) #计算所有元素的和
print(np.prod(b)) #计算所有元素的乘积
print(np.diff(a)) #计算数组的相邻元素之间的差
print(np.sqrt(a1)) #计算各元素的平方根
print(np.exp(a)) #计算各元素的指数值
print(np.abs(a)) #取各元素的绝对值 按行求和按列求和
轴axes数组中的每一个维度被称为一个轴
秩rank轴的个数 二维
bnp.arange(12).reshape(3,4)
print(b)
print(列\n,np.sum(b,axis0))
print(行\n,np.sum(b,axis1)) 可以理解为
axis0时结果是4个数
axis1时结果是3个数
三维
bnp.arange(24).reshape(2,3,4)
print(b)
print( axis0\n,np.sum(b,axis0))
print( axis1\n,np.sum(b,axis1))
print( axis2\n,np.sum(b,axis2)) 可以理解为
axis0时结果是[3,4]的数组3行4列
axis1时结果是[2,4]的数组2行4列
axis2时结果是[2,3]的数组2行3列
数组堆叠运算 一维
a np.array([0,1,2,3,4])
b np.array([5,6,7,8,9])
#数组堆叠
# np.stack( (数组1, 数组2,...) , axis)
print(np.stack((a,b),axis0))
print(np.stack((a,b),axis1))二维
c np.array([[5,6,7,8,9],[0,1,92,3,4]])
d np.array([[5,6,7,8,9],[0,1,2,3,10]])
print(np.stack((c,d),axis0))
print(np.stack((c,d),axis1))
print(np.stack((c,d),axis2)) 矩阵运算
矩阵乘法
矩阵相乘按照矩阵相乘的规则运算
a np.array([[1,1],[0,1]])
b np.array([[2,0],[3,4]])
c np.array([[5,6,7,8,9],[0,1,2,3,4]])
#矩阵相乘按照矩阵相乘的规则运算
print(矩阵相乘\n,np.matmul(a,b))
print(矩阵相乘\n,np.dot(a,b))
#矩阵转置
print(矩阵转置\n,np.transpose(a))
#矩阵求逆
print(矩阵求逆\n,np.linalg.inv(a))
