Numpy

Posted yjz8888

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Numpy相关的知识,希望对你有一定的参考价值。

创建一维数组:

技术分享图片

创建二维数组:

技术分享图片

 

查看数组形状:

技术分享图片

参数为列表的创建方法:

技术分享图片

 

 

 创建一个10*8的全为1的矩阵:

技术分享图片

创建4*4全为0的矩阵:

技术分享图片

填充矩阵:

技术分享图片

创建满秩矩阵:

技术分享图片

 

平均分组:(0-100)

技术分享图片

迭代器生成数组,左闭右开:步长为2的数组

 

技术分享图片

随机生成一个一维数组,5个元素:

np.random.ranint(0,150,size=5)

技术分享图片

 

返回100个标准正太分布的样本:

技术分享图片

自定义一个正太分布数组:

均值为175,标准差1,维度100(一维)

 

技术分享图片

 

矩阵加法:

技术分享图片

或者

np.add(n,n)

减,乘,除 同理。

乘法:m*n的矩阵必须 对应n*m的矩阵。

np.dot(n1,n2)

技术分享图片

广播机制:

在加法运算过程中,如果一方出现缺失值,会自动填充已有值。

技术分享图片

高效冒泡排序:

n3 = np.array([3,4,2,6,56,112,23,1])
n3

def sortnd(nd):

  for i in range(nd.size):

    min_index = np.argmin(nd[i:])+i

      nd[i],nd[min_index] = nd[min_index],nd[i]

    return n3

 sortnd(n3)

 

n1.sort()和np.sort(n1)的区别:

前者就地排序。不占用内存,后者生成新数组,不影响原数组。

技术分享图片

 

 np.partition(nd,k) 当k<0时 按从大到小排列最大的K项放在末尾,k>0时相反。取最小的几位放在前面。

 

 

 求四维数组最后两项的和:

技术分享图片

技术分享图片

重新定形:

技术分享图片

 

矩阵级联:np.concatenate()    

竖直级联

技术分享图片

 

 水平级联:np.concatenate(n6,n6,axis=1)

被连接的数组一定不能是一维数组  axis<数组维度

 技术分享图片

 

竖直折叠矩阵:

np.vstack()

技术分享图片

 

 水平平铺矩阵,(降一次维)

 技术分享图片

 

 矩阵切割:

np.split(n5,(1,3),axis =1) 竖直切 axis=0时,水平切。

第二种

np.vsplit()  水平切

np.hsplit() 竖直切

 

最大值():

nd.max( axis=0)  axis =0/1/2   ------>  维度

np.mean(nd,axis=0) 均值

np.sum(nd,axis =0 )  求和

 

返回最值索引:

np,argmax(nd)

np.argmin(nd)

条件过滤:

index = np.argwhere(n>50)

n[index]

 


以上是关于Numpy的主要内容,如果未能解决你的问题,请参考以下文章

数据分析:工具篇NumPyNumPy介绍

Numpynumpy.mean() 的用法

数据分析之道-NumPynumpy切片与索引

什么是NumPy

什么是NumPy

什么是NumPy