图解Python numpy基本操作

简介: 图解Python numpy基本操作

生成随机array

向量索引

基础的向量索引操作,只是展示部分数据,而不改变数据本身

布尔操作

也可以用.where 和clip代替上面的方法

向量操作

numpy的优势就是把vector当做数做整体运算,避免循环运算

  • /无所不能

    复杂的数学运算不在话下

    标量运算

    三角函数

    整体取整

    numpy还可以做基础的统计操作,比如max,min, mean, sum等
    排序操作

查找操作

numpy不像list有index函数,通常会用where等操作

其中有三种方法:

  • where,难懂且对于x处于array末端很不友好
  • next,相对较快,但需要numba
  • searchsorted,针对于已排过序的array

二维array,也称matrix矩阵

初始化,注意「双括号」

随机matrix,同一维类似

索引操作,不改变matrix本身

Axis 轴操作,在matrix中,axis = 0 代表列, axis = 1 代表行,默认axis = 0

matrix算术 + - * / 和 ** 都可

也可以matrix与单个数,matrix与vector,vector与vector进行运算

行向量 列向量

二维的转置如下,一维的也就是vector转置为自己本身

reshape改变形态

自此,三种向量,一维array,二维列vector,二维行向量

矩阵操作

合并matrix,hstack横向,vstack纵向,也可以理解为堆叠

反向操作hsplit和vsplit

matrix的复制操作,tile整个复制,repeat可以理解为挨个复制

delete删除操作

删除的同时也可以插入

append操作,只能在末尾操作

如果只增加固定值,也可以用pad

网格化

c和python都很麻烦,跟别说再大点的数了

采用类似MATLAB会更快点

当然numpy有更好的办法

matrix统计

sum,min,max,mean,median等等

argmin和argmax返回最小值和最大值的下标

all和any也可以用

matrix排序,注意axis

3D array或者以上

初始化,reshape或者硬来

可以考虑把数据抽象成一层层的数据

就像RGB值的图像一样

跟1D和2D类似的操作,zeros, ones,rand等

vstack和hstack照样可以用,现在多了一个dstack,代表维度的堆叠

concatenate也有同样的效果

总结:

本文总结了numpy对于1D,2D和多维的基本操作。

在学习python中有任何困难不懂的可以微信扫描下方CSDN官方认证二维码加入python交流学习
多多交流问题,互帮互助,这里有不错的学习教程和开发工具。
(这里每天都会不定时更新python不同题型和教程,希望大家一起学习,一起进步)


一、Python所有方向的学习路线

学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全,刚开始学习的时候你可以只看视频或者听某个人讲课,但等你学完之后,你觉得你掌握了,这时候建议还是得去看一下书籍,看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。

五、实战案例

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。


相关文章
|
7天前
|
BI 测试技术 索引
Python学习笔记之NumPy模块——超详细(安装、数组创建、正态分布、索引和切片、数组的复制、维度修改、拼接、分割...)-1
Python学习笔记之NumPy模块——超详细(安装、数组创建、正态分布、索引和切片、数组的复制、维度修改、拼接、分割...)
|
1月前
|
搜索推荐 索引 Python
【科学计算包NumPy】NumPy数组的基本操作
【科学计算包NumPy】NumPy数组的基本操作
45 3
|
3天前
|
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。
21 5
|
3天前
|
Python
NumPy 是 Python 的一个强大的科学计算库,它允许你创建各种类型的数组
【6月更文挑战第18天】**NumPy**是Python的科学计算库,用于创建和操作多维数组。常用数组生成方法包括:`np.array()`从列表转换为数组;`np.zeros()`生成全零矩阵;`np.ones()`创建全一矩阵;`np.linspace()`产生等差序列;`np.arange()`创建等差数列;以及`np.eye()`生成对角线为1的二维数组。更多方法可查阅NumPy官方文档。
12 2
|
25天前
|
存储 索引 Python
python学习——NumPy数值计算基础
NumPy基础知识概览:涉及nan(非数字)和inf(无穷)的概念,nan在文件读取或不适当计算时出现,inf在除0操作中出现。数组操作有深拷贝(a=b.copy())、浅拷贝(a=b[:])和引用(a=b)。创建数组方式多样,如`np.array()`、`np.arange()`等。数据类型转换如`np.float64()`、`np.int8()`。随机数生成包含均匀分布、正态分布等。数组索引和切片支持多维操作。改变数组形状用`reshape()`,展平用`ravel()`和`flatten()`。矩阵运算包括加减乘、转置、逆矩阵等。
40 2
python学习——NumPy数值计算基础
|
16天前
|
数据挖掘 数据处理 C语言
18. Python 数据处理之 Numpy
18. Python 数据处理之 Numpy
14 2
|
7天前
|
存储 API C语言
Python学习笔记之NumPy模块——超详细(安装、数组创建、正态分布、索引和切片、数组的复制、维度修改、拼接、分割...)-2
Python学习笔记之NumPy模块——超详细(安装、数组创建、正态分布、索引和切片、数组的复制、维度修改、拼接、分割...)
|
23天前
|
存储 并行计算 数据挖掘
Python中的NumPy库:科学计算与数据分析的基石
Python中的NumPy库:科学计算与数据分析的基石
69 0
|
29天前
|
Python
python相关库的安装:pandas,numpy,matplotlib,statsmodels
python相关库的安装:pandas,numpy,matplotlib,statsmodels
|
1月前
|
存储 机器学习/深度学习 数据处理
NumPy:从初识到实战,探索Python科学计算的无限可能
NumPy:从初识到实战,探索Python科学计算的无限可能
44 0