python:ndarray基本操作2

简介: 第一题:import numpy as npa=np.identity(4,dtype="int")print(a)

第一题:

import numpy as np
a=np.identity(4,dtype="int")
print(a)

第二题:

arr=arr+1

第三题:

import numpy as np
arr=np.array([1,0,0,0,
  2,1,0,0,
  3,0,1,0,
  4,0,0,1])
arr=arr.reshape(4,4)
arr[0]=arr[0]-arr[2]
arr=arr.reshape(1,16)
print(arr)

第四题:

import numpy as np
arr=np.array(([-2,0,-1,0],
         [2,1,0,0],
         [3,0,1,0],
         [4,0,0,1]))
arr[0]=arr[0]+arr[2]
print(arr)

第五题:

import numpy as np
arr=np.zeros((4,4),dtype="int")
arr[:,0]=1
print(arr)

第六题:

import numpy as np
a=np.identity(4,dtype="int")
a[2]=a[2]+3   #第一种
print(a)
import numpy as np
#第二种
a[2][0]=3
a[2][1]=3
a[2][2]=4
a[2][3]=3

第七题:

1.Bob ['Joe' 'Will' 'Bob'] ['Bob' 'Joe' 'Will' 'Bob' 'Will' 'Joe'
'Joe']
2.import numpy as np
  data=np.random.rand(4,7)
print(data)
3.这个需要自己写

第八题:

import numpy as np
arr=np.array([1,0,0,0,
  2,1,0,0,
  3,0,1,0,
  4,0,0,1])
arr=arr.reshape(4,4)
i=1
while i<4:
    arr[i,0]=0
    i=i+1;
print(arr)

第九题:

[[[ 2  3  4]
  [ 5  6  7]]
 [[ 7  8  9]
  [10 11 12]]]

第十题:

[[42 42 42]
 [42 42 42]]

第十一题:

import numpy as np
arr=np.array([[0,1],[3,4]])
arr1=np.array([[0,1],[2,3]])
arr[0]=arr[0]+arr1[0]
arr[1]=arr[1]+arr1[1]
print(arr)

第十二题:

import numpy as np
arr = np.array([[0, 1, 2], [3, 4, 5]])
arr1 = np.array([[0, 1], [2, 3], [4, 5]])
print(arr)
print(arr1)
arr[0,0:2]=arr[0,0:2]+arr1[0]
arr[1,0:2]=arr[1,0:2]+arr1[1]
print(arr)
目录
相关文章
|
机器学习/深度学习 数据挖掘 Python
百度搜索:蓝易云【Python基本操作详解。】
这些是Python的一些基本操作示例,希望对你有所帮助。Python具有丰富的功能和语法,可以实现更复杂的任务和项目。通过不断学习和实践,你可以更好地掌握和应用Python编程技巧。
154 2
|
BI 数据处理 索引
Pandas基本操作:Series和DataFrame(Python)
Pandas基本操作:Series和DataFrame(Python)
493 1
|
Python
python ndarray属性分析介绍
python ndarray属性分析介绍
231 0
|
1月前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
289 1
|
1月前
|
Java 数据处理 索引
(numpy)Python做数据处理必备框架!(二):ndarray切片的使用与运算;常见的ndarray函数:平方根、正余弦、自然对数、指数、幂等运算;统计函数:方差、均值、极差;比较函数...
ndarray切片 索引从0开始 索引/切片类型 描述/用法 基本索引 通过整数索引直接访问元素。 行/列切片 使用冒号:切片语法选择行或列的子集 连续切片 从起始索引到结束索引按步长切片 使用slice函数 通过slice(start,stop,strp)定义切片规则 布尔索引 通过布尔条件筛选满足条件的元素。支持逻辑运算符 &、|。
137 0
|
程序员 开发工具 索引
图解Python numpy基本操作
图解Python numpy基本操作
|
数据采集 机器学习/深度学习 数据可视化
了解数据科学面试中的Python数据分析重点,包括Pandas(DataFrame)、NumPy(ndarray)和Matplotlib(图表绘制)。
【7月更文挑战第5天】了解数据科学面试中的Python数据分析重点,包括Pandas(DataFrame)、NumPy(ndarray)和Matplotlib(图表绘制)。数据预处理涉及缺失值(dropna(), fillna())和异常值处理。使用describe()进行统计分析,通过Matplotlib和Seaborn绘图。回归和分类分析用到Scikit-learn,如LinearRegression和RandomForestClassifier。
261 3
|
Python
NumPy 是 Python 中的一个重要的科学计算包,其核心是一个强大的 N 维数组对象 Ndarray
【6月更文挑战第18天】NumPy的Ndarray是科学计算的核心,具有ndim(维度数)、shape(各维度大小)、size(元素总数)和dtype(数据类型)属性。方法包括T(转置)、ravel()(扁平化)、reshape()(改变形状)、astype()(转换数据类型)、sum()(求和)及mean()(计算平均值)。更多属性和方法如min/max等可在官方文档中探索。
204 5
|
计算机视觉 Python
【python版CV】—图像基本操作
【python版CV】—图像基本操作
285 1
|
机器学习/深度学习 数据挖掘 Python
NumPy的基本操作(Python)
NumPy的基本操作(Python)
119 4

推荐镜像

更多