导图社区 numpy模块使用方法大全
一张图带您了解numpy模块使用方法。该导图介绍了numpy基本操作、numpy创建array等内容。
社区模板帮助中心,点此进入>>
互联网9大思维
安全教育的重要性
组织架构-单商户商城webAPP 思维导图。
个人日常活动安排思维导图
域控上线
西游记主要人物性格分析
17种头脑风暴法
python思维导图
css
CSS
numpy
1. numpy基本操作
1.1列表转为矩阵
array = np.array([])
1.2维度
array.ndim
1.3行数与列数
array.shape
1.4元素个数
array.size
2. numpy创建array
2.1一维array创建
a = np.array([2,23,] , dtype = np.int32)
2.2 多维array创建
a = np.array([[2,3,4],[3,,5]])
2.3创建全零数组
a = np.zros((3,4))
2.4创建全1数组
a = np.ones((3,4),dtype = np.int)
2.5创建全空数组
a = np.empty((2,3))
2.6创建连续数组
a = np.arange(1,11,2)
2.7reshape 操作
b = a.reshape((2,3))
2.8创建连续随机性数组
a = np.linspace(1,10,20)
2.9linspacce的reshape操作
b = a.reshape((4,5))
3. numpy基本运算
3.1一维矩阵运算
1.矩阵各位相减
a - b
2.矩阵各位相乘
a.dot(b)
3.矩阵各位平方
c = b**2
4.矩阵各位sin
c = np.sin(a)
5.输出布尔值
print(b<2)
print(a==b)
3.2多维矩阵运算
1.两矩阵点乘
c = np.dot(a,b)
2.矩阵自身运算
np.min(a)
np.sum(b)
np.max(b)
附:可单独以行或列为查找单元axis = 0为行 axis = 1为列
np.sum(a,axis = 1)
3.3矩阵基本运算
1.最小元素索引
np.argmin(A)
2.最大元素索引
np.argmax(A)
3.均值
np.mean(A)
4.中位数
np.median(A)
5.累加
np.cumsum(A)
6.累差(后一列减前一列)
np.diff(A)
7.仿照列表排序
a = np.arrange(14,2,-1).reshape((3,4))
8.矩阵转置
np.transpose(A)
A.T
4. numpy索引切片
4.1索引
A[行][列]
4.2切片
A[1,1:3] 表示第二行第二到三列
4.3打印行
for row in B: print(row)
4.4.打印列
进行转置即可
4.5多维转一维
a.flatten
5. numpy array 合并
5.1数组合并
1.上下合并
np.vstack((A,B))
2.左右合并
np.hstack((A,B))
5.2.数组转置为矩阵
np.newaxis,:
[a,a,a]变为[[a,a,a]]
A[np.newaxis,:].shape
(3,)变为(1,3)
5.3多个矩阵合并
1.纵向合并
np.concatenate((a,b),axis = 0)
2.横向合并
np.concatenate((a.b),axis = 1)
6.numpy array 分割
6.1构造3行4列矩阵
a = np.arrange(12).reshape((3.4))
6.2等量分割
纵向分割同横合并的axis
np.split(A,2,axis = 1)
横向分割同纵向合并的axis
np.split(A,3,axis = 0)
6.3不等量分割
np.array_split(A,3,axis = 1))
6.4其他分割方式
横向分割
np.vsplit(A,3)
np.split(A,3,axis = 0))
纵向分割
np.hsplit(A,2)
7. numpy copy 与=
7.1=赋值方式会带有关联性
7.2copy()赋值方式没有关联性
8.numpy常用函数
9.1np.bincount()
索引值在数组中出现的次数
9.2np.argmax()
返回沿轴axis最大值的索引
9.3np.floor()
取整
9.4np.ceil()
取上限