`
cakin24
  • 浏览: 1388415 次
  • 性别: Icon_minigender_1
  • 来自: 西安
社区版块
存档分类
最新评论

numpy常用操作

阅读更多

一 代码

  1. import numpy as np
  2. print(np.arange(1,11))
  3. print(np.arange(1,11).reshape([2,5]))
  4. print(np.arange(1,11).reshape([2,-1]))
  5. lst=np.arange(1,11).reshape([2,-1])
  6. print("exp:")
  7. print(np.exp(lst))
  8. print("exp2:")
  9. print(np.exp2(lst))
  10. print("sqrt:")
  11. print(np.sqrt(lst))
  12. print("sin:")
  13. print(np.sin(lst))
  14. print("log:")
  15. print(np.log(lst))
  16. lst = np.array([[[1,2,3,4],
  17. [4,5,6,7,]],
  18. [[7,8,9,10],
  19. [10,11,12,13]],
  20. [[14,15,16,17],
  21. [18,19,20,21]]
  22. ])
  23. print(lst.sum())
  24. print(lst.sum(axis=0))
  25. print(lst.sum(axis=1))
  26. print(lst.sum(axis=2))
  27. print(lst.max())
  28. print("Max")
  29. print(lst.max(axis=1))
  30. print("Min")
  31. print(lst.min(axis=0))
  32. lst1 = np.array([10,20,30,40])
  33. lst2 = np.array([4,3,2,1])
  34. print(lst1+lst2)
  35. print(lst1-lst2)
  36. print(lst1*lst2)
  37. print(lst1/lst2)
  38. print(lst1**2)
  39. print(np.dot(lst1.reshape([2,2]),lst2.reshape([2,2])))
  40. print(np.concatenate((lst1,lst2),axis=0))
  41. print(np.vstack((lst1,lst2)))
  42. print(np.hstack((lst1,lst2)))
  43. print(np.split(lst1,2))
  44. print(np.split(lst1,4))
  45. print(np.copy(lst1))
二 运行结果
[ 1  2  3  4  5  6  7  8  9 10]
[[ 1  2  3  4  5]
 [ 6  7  8  9 10]]
[[ 1  2  3  4  5]
 [ 6  7  8  9 10]]
exp:
[[  2.71828183e+00   7.38905610e+00   2.00855369e+01   5.45981500e+01
    1.48413159e+02]
 [  4.03428793e+02   1.09663316e+03   2.98095799e+03   8.10308393e+03
    2.20264658e+04]]
exp2:
[[    2.     4.     8.    16.    32.]
 [   64.   128.   256.   512.  1024.]]
sqrt:
[[ 1.          1.41421356  1.73205081  2.          2.23606798]
 [ 2.44948974  2.64575131  2.82842712  3.          3.16227766]]
sin:
[[ 0.84147098  0.90929743  0.14112001 -0.7568025  -0.95892427]
 [-0.2794155   0.6569866   0.98935825  0.41211849 -0.54402111]]
log:
[[ 0.          0.69314718  1.09861229  1.38629436  1.60943791]
 [ 1.79175947  1.94591015  2.07944154  2.19722458  2.30258509]]
252
[[22 25 28 31]
 [32 35 38 41]]
[[ 5  7  9 11]
 [17 19 21 23]
 [32 34 36 38]]
[[10 22]
 [34 46]
 [62 78]]
21
Max
[[ 4  5  6  7]
 [10 11 12 13]
 [18 19 20 21]]
Min
[[1 2 3 4]
 [4 5 6 7]]
[14 23 32 41]
[ 6 17 28 39]
[40 60 60 40]
[  2.5          6.66666667  15.          40.        ]
[ 100  400  900 1600]
[[ 80  50]
 [200 130]]
[10 20 30 40  4  3  2  1]
[[10 20 30 40]
 [ 4  3  2  1]]
[10 20 30 40  4  3  2  1]
[array([10, 20]), array([30, 40])]
[array([10]), array([20]), array([30]), array([40])]
[10 20 30 40]
1
1
分享到:
评论

相关推荐

    python dataframe, numpy 常用操作 _ 个人整理.pdf

    Python中Dataframe和numpy是数据分析中常用的库。Dataframe是Pandas库的核心数据结构,用于处理表格数据;numpy则是Python中用于科学计算的基础库,尤其擅长处理大型多维数组和矩阵。 知识点一:Python Dataframe的...

    Numpy常用操作及使用方法实例(源码演示版)

    NumPy(Numerical Python)是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix)),支持...

    Python之Numpy库常用函数大全(含注释)

    ### Python之Numpy库常用函数大全(含注释) #### 前言 在Python的科学计算领域,Numpy库占据着举足轻重的地位。它不仅提供了高性能的多维数组对象,还集成了大量的数学函数来操作这些数组。本文旨在详细介绍Numpy...

    Python数据分析--Numpy常用函数介绍(1)--工具安装及Numpy介绍.doc

    Python 数据分析--Numpy 常用函数介绍 NumPy 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,也针对数组运算提供大量的数学函数库。NumPy 为开放源代码并且由许多协笔者共同维护开发,是一个运行...

    numpy库的常用命令.7z

    本篇文章将深入探讨NumPy库的常用命令,帮助你更好地理解和利用这个强大的库。 一、NumPy基础知识 NumPy的核心数据结构是`ndarray`,它代表n维数组。`ndarray`对象可以存储同一类型的元素,如整数、浮点数或复数,...

    python中numpy常用函数解析说明和原理分析.docx

    ### Python中的NumPy库及其常用函数解析说明和原理分析 #### 概述 `NumPy` 是 Python 生态系统中用于科学计算的核心库之一。它提供了高性能的多维数组对象和大量的工具,使得数据处理变得既高效又方便。在数据分析...

    Python数据分析--Numpy常用函数介绍(4)--Numpy中的线性关系和数据修剪压缩.doc

    本文将深入探讨Numpy中与线性模型预测和数据操作相关的函数。 线性关系是统计学和数据分析中的基础概念,尤其在股票市场分析中,常用来预测未来价格。例如,股票的平均价格(均线)可以通过对历史价格加权求和得到...

    2021Python科学计算库-Numpy视频教程详解

    02Python科学计算库-Numpy 课时9科学计算库Numpy.mp4 - 48.70MB ...课时13矩阵常用操作.mp4 - 36.97MB 课时12Numpy常用函数.mp4 - 49.64MB 课时11Numpy矩阵基础.mp4 - 24.00MB 课时10Numpy基础结构.mp4 - 38.47MB

    Python数据分析--Numpy常用函数介绍(3).doc

    本文将深入探讨Numpy的一些常用函数,通过一个实际的股票数据分析例子来展示其应用。 首先,我们导入了Numpy库,并使用`loadtxt`函数从CSV文件中读取数据。`loadtxt`函数可以解析CSV文件,并根据指定的分隔符(在...

    python2.7-常用安装包numpy.exe格式

    标题“python2.7-常用安装包numpy.exe格式”指的是一个专门为Python 2.7版本设计的可执行安装包,其中包含的是著名的科学计算库Numpy。Numpy是Python编程语言中的一个核心库,主要用于处理大型多维数组和矩阵,为...

    numpy学习指南教程

    通过阅读《numpy学习指南教程》中的`numpy.pdf`文档,读者将能够全面掌握NumPy的基本概念和常用操作,从而在数据分析、机器学习、物理学模拟等领域更加游刃有余。这个教程对于任何希望提高Python数值计算能力的人来...

    numpy array的操作和随机数等常用函数的demo

    numpy 科学计算array的常用初始化、操作 注意事项,以及各种随机数的demo

    Python数据分析实践:NumPy数组常用操作new.pdf

    在NumPy中,数组的常用操作主要包括形状改变、数学运算和统计分析等。这些操作可以通过两种方式实现:一是使用ndarray类定义的方法,二是通过NumPy提供的函数。 对于形状改变,最重要的操作是`reshape()`方法。它...

    Python numpy 常用函数总结

    ### Python Numpy 常用函数详解 #### Numpy简介 Numpy是Python中的一个开源库,主要用于处理大型多维数组和矩阵,并提供了一系列用于执行数学运算的工具。它不仅支持高效的数组操作,还提供了丰富的数学函数来处理...

    numpy 1.34 用户手册

    由于直接操作底层数据类型,NumPy在速度和效率方面远远优于传统的Python列表。 在NumPy中,最核心的数据结构是N维数组对象(ndarray)。这种数组支持不同大小的数据类型,能够高效地进行数学运算和逻辑运算。通过...

    numpy官方参考手册.pdf

    线性代数(numpy.linalg)、随机采样(numpy.random)、排序和搜索(numpy.sort, numpy.search)是 NumPy 内置的一些常用子模块。线性代数模块提供了执行矩阵乘法、计算行列式、求逆矩阵等操作的函数。随机采样模块...

    深度学习中应用到的numpy命令.md

    汇总了深度学习用python编程过程中用到的numpy命令,小白自己总结包括常用命令用法分类,命令实例以及实例运行结果,大神能还请赐教!

    Numpy手册-1.13.0

    - **应用场景**:索引是数组操作中最常用的功能之一,掌握索引技术对于有效处理数据非常重要。 **1.5 遍历数组(Iterating Over Arrays)** - **迭代器**:介绍如何使用NumPy提供的迭代器对象来遍历数组中的元素。 -...

Global site tag (gtag.js) - Google Analytics