python中numpy的array数据类型有哪些?(代码详解)
本篇文章给大家带来的内容是介绍python中numpy的array数据类型有哪些?(代码详解)。有一定的参考价值,有需要的朋友可以参考一下,希望对你们有所帮助。
import numpy as np #创建 # 创建一维数组 a = np.array([1, 2, 3]) print(a) ''' [1 2 3] ''' # 创建多维数组 b = np.array([(1, 2, 3), (4, 5, 6)]) print(b) ''' [[1 2 3] [4 5 6]] ''' # 创建等差一维数组 c = np.arange(1, 5, 0.5) print(c) ''' [1. 1.5 2. 2.5 3. 3.5 4. 4.5] ''' # 创建随机数数组 d = np.random.random((2, 2)) print(d) ''' [[0.65746941 0.09766114] [0.15024283 0.9212932 ]] ''' # 创建一个确定起始点和终止点和个数的等差一维数组 ##包含终止点 e = np.linspace(1, 2, 10) print(e) ''' [1. 1.11111111 1.22222222 1.33333333 1.44444444 1.55555556 1.66666667 1.77777778 1.88888889 2. ] ''' ##不包含终止点 f = np.linspace(1, 2, 10, endpoint=False) print(f) ''' [1. 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9] ''' #创建一个全为‘1’的 数组 g = np.ones([2,3]) print(g) ''' [[1. 1. 1.] [1. 1. 1.]] ''' #创建一个全为‘0’的数组 h = np.zeros([2,3]) print(h) ''' [[0. 0. 0.] [0. 0. 0.]] ''' #通过函数创建数组 k = np.fromfunction(lambda i,j :(i+1)*(j+1),(9,9)) print(k) ''' [[ 1. 2. 3. 4. 5. 6. 7. 8. 9.] [ 2. 4. 6. 8. 10. 12. 14. 16. 18.] [ 3. 6. 9. 12. 15. 18. 21. 24. 27.] [ 4. 8. 12. 16. 20. 24. 28. 32. 36.] [ 5. 10. 15. 20. 25. 30. 35. 40. 45.] [ 6. 12. 18. 24. 30. 36. 42. 48. 54.] [ 7. 14. 21. 28. 35. 42. 49. 56. 63.] [ 8. 16. 24. 32. 40. 48. 56. 64. 72.] [ 9. 18. 27. 36. 45. 54. 63. 72. 81.]] ''' ############## #获取数组的相关属性 a = np.array([(1,2,3),(4,5,6)]) print(a) ##获取数组的形状 print(a.shape) ''' (2, 3) 表示:该数组为2行3列 ''' ## 改变数组的形状 b = a.reshape(3,2) print(b) ''' [[1 2] [3 4] [5 6]] 将a数组的数据由2行3列变成3行2列得到b数组,但是a数组没有发生改变 ''' a.resize(3,2) print(a) ''' [[1 2] [3 4] [5 6]] a数组由2行3列变成3行2列,此时,a数组的形状发生了改变 ''' ############## #数组切片操作 a = np.array([(1,2,3),(4,5,6)]) print(a) ''' [[1 2 3] [4 5 6]] ''' ##获取数组的第二行 print(a[1]) ''' [4 5 6] ''' ##获取数组的前两行 print(a[0:2]) ''' [[1 2 3] [4 5 6]] ''' ##获取数组的前两列的值 print(a[:,[0,1]]) ''' [[1 2] [4 5]] ''' ##获取数组的第1行的前两列的值 print(a[0,[0,1]]) ''' [1 2] ''' ##遍历数组 for row in a: print(row) ''' [1 2 3] [4 5 6] ''' ####################### ##数组拼接 a = np.array([1,2,3]) b = np.array([4,5,6]) #垂直方向的拼接 c = np.vstack((a,b)) print(c) ''' [[1 2 3] [4 5 6]] ''' #竖直方向的拼接 d = np.hstack((a,b)) print(d) ''' [1 2 3 4 5 6] ''' ##################### ##数组的计算 a = np.array([1,2,3]) b = np.array([4,5,6]) #加法 c = a+b print(c) ''' [5 7 9] ''' #减法 d= a - b print(d) ''' [-3 -3 -3] ''' #乘法 e = a * b print(e) ''' [ 4 10 18] ''' #求和 f = np.array([(1,2,3),(4,5,6)]) print(f.sum()) ''' 21 ''' #按列求和 print(f.sum(axis=0)) ''' [5 7 9] ''' #按行求和 print(f.sum(axis=1)) ''' [ 6 15] ''' #最小值的值 print(f.min()) ''' 1 ''' #最小值的索引 print(f.argmin()) ''' 0 ''' #最大值的值 print(f.max()) ''' 6 ''' print(f.argmax()) ''' 5 ''' #平均值 print(f.mean()) ''' 3.5 ''' #方差 print(f.var()) ''' 2.9166666666666665 ''' #标准差 print(f.std()) ''' 1.707825127659933 ''' ############# # 线性代数的运算 #矩阵内积 np.dot() #行列式 np.linalg.det() # 逆矩阵 np.linalg.inv() #多元一次方程组求根 np.linalg.solve() #求特征值和特征向量 np.linalg.eig()
Atas ialah kandungan terperinci python中numpy的array数据类型有哪些?(代码详解). Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



PHP terutamanya pengaturcaraan prosedur, tetapi juga menyokong pengaturcaraan berorientasikan objek (OOP); Python menyokong pelbagai paradigma, termasuk pengaturcaraan OOP, fungsional dan prosedur. PHP sesuai untuk pembangunan web, dan Python sesuai untuk pelbagai aplikasi seperti analisis data dan pembelajaran mesin.

PHP sesuai untuk pembangunan web dan prototaip pesat, dan Python sesuai untuk sains data dan pembelajaran mesin. 1.Php digunakan untuk pembangunan web dinamik, dengan sintaks mudah dan sesuai untuk pembangunan pesat. 2. Python mempunyai sintaks ringkas, sesuai untuk pelbagai bidang, dan mempunyai ekosistem perpustakaan yang kuat.

Kod VS boleh dijalankan pada Windows 8, tetapi pengalaman mungkin tidak hebat. Mula -mula pastikan sistem telah dikemas kini ke patch terkini, kemudian muat turun pakej pemasangan kod VS yang sepadan dengan seni bina sistem dan pasangnya seperti yang diminta. Selepas pemasangan, sedar bahawa beberapa sambungan mungkin tidak sesuai dengan Windows 8 dan perlu mencari sambungan alternatif atau menggunakan sistem Windows yang lebih baru dalam mesin maya. Pasang sambungan yang diperlukan untuk memeriksa sama ada ia berfungsi dengan betul. Walaupun kod VS boleh dilaksanakan pada Windows 8, disyorkan untuk menaik taraf ke sistem Windows yang lebih baru untuk pengalaman dan keselamatan pembangunan yang lebih baik.

Sambungan kod VS menimbulkan risiko yang berniat jahat, seperti menyembunyikan kod jahat, mengeksploitasi kelemahan, dan melancap sebagai sambungan yang sah. Kaedah untuk mengenal pasti sambungan yang berniat jahat termasuk: memeriksa penerbit, membaca komen, memeriksa kod, dan memasang dengan berhati -hati. Langkah -langkah keselamatan juga termasuk: kesedaran keselamatan, tabiat yang baik, kemas kini tetap dan perisian antivirus.

Dalam kod VS, anda boleh menjalankan program di terminal melalui langkah -langkah berikut: Sediakan kod dan buka terminal bersepadu untuk memastikan bahawa direktori kod selaras dengan direktori kerja terminal. Pilih arahan Run mengikut bahasa pengaturcaraan (seperti python python your_file_name.py) untuk memeriksa sama ada ia berjalan dengan jayanya dan menyelesaikan kesilapan. Gunakan debugger untuk meningkatkan kecekapan debug.

Kod VS boleh digunakan untuk menulis Python dan menyediakan banyak ciri yang menjadikannya alat yang ideal untuk membangunkan aplikasi python. Ia membolehkan pengguna untuk: memasang sambungan python untuk mendapatkan fungsi seperti penyempurnaan kod, penonjolan sintaks, dan debugging. Gunakan debugger untuk mengesan kod langkah demi langkah, cari dan selesaikan kesilapan. Mengintegrasikan Git untuk Kawalan Versi. Gunakan alat pemformatan kod untuk mengekalkan konsistensi kod. Gunakan alat linting untuk melihat masalah yang berpotensi lebih awal.

VS Kod boleh didapati di Mac. Ia mempunyai sambungan yang kuat, integrasi git, terminal dan debugger, dan juga menawarkan banyak pilihan persediaan. Walau bagaimanapun, untuk projek yang sangat besar atau pembangunan yang sangat profesional, kod VS mungkin mempunyai prestasi atau batasan fungsi.

Kunci untuk menjalankan buku nota Jupyter dalam kod VS adalah untuk memastikan bahawa persekitaran Python dikonfigurasi dengan betul, memahami bahawa perintah pelaksanaan kod adalah konsisten dengan susunan sel, dan mengetahui fail besar atau perpustakaan luaran yang boleh menjejaskan prestasi. Fungsi penyempurnaan dan debug yang disediakan oleh kod VS dapat meningkatkan kecekapan pengekodan dan mengurangkan kesilapan.
