免费观看又色又爽又黄的小说免费_美女福利视频国产片_亚洲欧美精品_美国一级大黄大色毛片

學習numpy會遇到的問題

小編給大家分享一下學習numpy會遇到的問題，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討方法吧！

前進網站制作公司哪家好，找成都創新互聯公司！從網頁設計、網站建設、微信開發、APP開發、響應式網站等網站項目制作，到程序開發，運營維護。成都創新互聯公司成立與2013年到現在10年的時間，我們擁有了豐富的建站經驗和運維經驗，來保證我們的工作的順利進行。專注于網站建設就選成都創新互聯公司。

1、什么是numpy？

一言以蔽之，numpy是python中基于數組對象的科學計算庫。

提煉關鍵字，可以得出numpy以下三大特點：

  • 擁有n維數組對象;
  • 擁有廣播功能（后面講到）；
  • 擁有各種科學計算API，任你調用；

2、如何安裝numpy？

因為numpy是一個python庫，所以使用python包管理工具pip或者conda都可以安裝。

安裝python后，打開cmd命令行，輸入：

pip install numpy

即可完成安裝。

3、什么是n維數組對象？

n維數組（ndarray）對象，是一系列同類數據的集合，可以進行索引、切片、迭代操作。

numpy中可以使用array函數創建數組:

import numpy as npnp.array([1,2,3])# 輸出：array([1, 2, 3])

4、如何區分一維、二維、多維？

判斷一個數組是幾維，主要是看它有幾個軸（axis）。

一個軸表示一維數組，兩個軸表示二維數組，以此類推。

每個軸都代表一個一維數組。

比如說，二維數組第一個軸里的每個元素都是一個一維數組，也就是第二個軸。

一維數組一個軸：

[1,2,3]

二維數組兩個軸：

[[0, 1, 2], [3, 4, 5]]

三維數組三個軸：

[[[ 0,  1,  2],  [ 3,  4,  5]], [[ 6,  7,  8],  [ 9, 10, 11]]]

以此類推n維數組。

5、如何創建n維數組？

numpy中常用array函數創建數組，傳入列表或元組即可。

創建一維數組，并指定數組類型為int：

import numpy as npnp.array([1,2,3],dtype=int)# 輸出：array([1, 2, 3])

創建二維數組：

import numpy as npnp.array(((1,2),(3,4))) '''輸出：array([[1, 2],       [3, 4]])'''

還可以使用arange函數創建一維數字數組，用法類似python的range函數.

import numpy as npnp.arange(1,6)'''輸出：array([1, 2, 3, 4, 5])'''

6、如何創建隨機數組？

numpy的random模塊用來創建隨機數組。

  • random.rand函數，生成[0,1)均勻分布的隨機數組
import numpy as np# 創建2行2列取值范圍為[0,1)的數組np.random.rand(2,2)'''輸出：array([[0.99449146, 0.92339551],       [0.1837405 , 0.41719798]])'''
  • random.randn函數，生成數值成標準正態分布（平均值為0，標準差為1）的數組
import numpy as np# 創建2行3列，取值范圍為標準正態分布的數組np.random.randn(3,2)'''輸出：array([[-1.27481003, -1.5888111 ],       [ 0.16985203, -2.91526479],       [ 1.75992671, -2.81304831]])'''
  • random.randint函數，生成可以指定范圍的隨機整數數組
import numpy as np# 創建2行2列,取值范圍為[2,10)的隨機整數數組np.random.randint(2,10,size=(2,2))'''輸出：array([[5, 4],       [3, 7]])'''
  • random.normal函數，生成數值成正態分布（可指定平均值、標準差）的數組
import numpy as np# 創建一維，數值成正態分布（均值為1，標準差為2）的數組# 參數loc代表均值，scale代表標準差np.random.normal(loc=1,scale=2,size=5)'''輸出：array([ 0.82962241,  0.41738042,  0.0470862 ,  1.79446076, -1.47514478])'''

random模塊還有其他函數，這里不多說。

7、如何查看數組的維度？

前面說到，數組維度即代表軸的數量。

我們可以通過數組（adarray）對象的ndim或shape屬性，來查看軸的數量。

  • ndim屬性直接返回維度值；
  • shape屬性返回一個元組，元組的長度即代表維度值，里面的數字從左往右分別代表每一軸的元素數量。
import numpy as np# 創建一維數組x1 = np.array([1,2,3])# 返回維度值x1.ndim'''輸出：1'''# 創建二維數組x2 = np.array([[1,2,3],[4,5,6]])# 返回形狀x2.shape'''輸出：(2, 3)元素長度為2代表二維，元素2代表0軸有兩個元素，元素3代表1軸有3個元素。'''

8、如何查看數組有多少個元素？

數組（ndarray）對象的size屬性可以查看數組包含元素總數。

import numpy as np# 創建二維數組x2 = np.array([[1,2,3],[4,5,6]])# 查看元素總數x2.size'''輸出：6'''

還可以通過shape屬性返回元素的乘積，來計算數組元素數量。

import numpy as npfrom functools import reduce# 創建二維數組x2 = np.array([[1,2,3],[4,5,6]])# 查看元素總數reduce(lambda x,y:x*y , x2.shape)'''輸出：6shape形狀：(2,3)'''

9、Numpy數組支持哪些數據類型？

Numpy支持的數據類型非常多，所以很適合做數值計算。 下面給出常見的數據類型：

10、如何查看數組的類型？

數組（adarrry）對象提供dtype屬性，用來查看數組類型。

import numpy as np# 創建二維數組x2 = np.array([[1,2,3],[4,5,6]],dtype=int)# 返回類型x2.dtype'''輸出：dtype('int32')'''

11、如何改變數組的形狀？

前面說過，數組的shape屬性返回一個元組，能夠反映數組的形狀，包括維度以及每個軸的元素數量。

那么如果給定一個數組，怎么改變其形狀呢？

常用的方式有兩種：

  • reshape方法，它返回一個新的數組，而不能改變原始數組。
  • resize方法，無返回值，它更改了原始數組。

比如說我要將一個二維數組轉換為三維數組。

import numpy as np# 創建二維數組x2 = np.array([[1,2,3],[4,5,6]])# 將x2轉換為三維數組，并且自定義每個軸的元素數量x2.reshape(1,2,3)'''輸出：array([[[1, 2, 3],        [4, 5, 6]]])'''

reshape方法可以傳入整數或者元組形式的參數。

傳入的參數和shape屬性返回的元組的含義是一樣的。

例如， x2.reshape(1,2,3)是將二維數組轉換成三維數組，參數個數代表要轉換的維度，參數數字從左到右分別表示0軸、1軸、2軸的元素數量。

resize方法和reshape方法使用形式一樣，區別是resize方法改變了原始數組形狀。

import numpy as np# 創建二維數組x2 = np.array([[1,2,3],[4,5,6]])# 將x2轉換為三維數組，并且自定義每個軸的元素數量x2.resize((1,2,3))x2'''輸出：array([[[1, 2, 3],        [4, 5, 6]]])'''

12、如何對數組進行索引和切片操作？

numpy一維數組的索引和切片操作類似python列表，這里不多講。

比如說取一維數組前三個元素。

import numpy as np# 創建一維數組x1 = np.array([1,2,3,4])# 切片，取前三個元素x1[:3]'''輸出：array([1, 2, 3])'''

重點是對多維數組的索引和切片。

多維數組有多個軸，那么就需要對每個軸進行索引。

例如，三維數組形狀為(x,y,z)，分別代表：0軸有x個元素、1軸有y個元素，2軸有z個元素。

對0、1、2軸進行索引，如果取o軸第2個元素、1軸第0個元素、2軸第3個元素，那么索引形式就為[2,0,3]。

import numpy as np# 創建三維數組x3 = np.arange(24).reshape(3,2,4)# 對該三維數組進行索引x3[2,0,3]'''輸出：19三維數組形式：array([[[ 0,  1,  2,  3],        [ 4,  5,  6,  7]],       [[ 8,  9, 10, 11],        [12, 13, 14, 15]],       [[16, 17, 18, 19],        [20, 21, 22, 23]]])'''

切片也是同樣道理。

如果取o軸前2個元素、1軸前1個元素、2軸后2個元素，那么切片形式就為[:2,:1,-2:]。

import numpy as np# 創建三維數組x3 = np.arange(24).reshape(3,2,4)# 對該三維數組進行切片x3[:2,:1,-2:]'''輸出：array([[[ 2,  3]],       [[10, 11]]])三維數組形式：array([[[ 0,  1,  2,  3],        [ 4,  5,  6,  7]],       [[ 8,  9, 10, 11],        [12, 13, 14, 15]],       [[16, 17, 18, 19],        [20, 21, 22, 23]]])'''

13、如何對數組里每個元素進行迭代？

說到迭代，大家很容易想到直接對數組直接使用for循環操作，對于一維數組來說，當然是可以的。

import numpy as np# 創建一維數組x1 = np.array([1,2,3,4])# 迭代for i in x1:    print(i)'''輸出：1234'''

但對于多維數組，迭代是相對于0軸完成的，就是多維數組最外層的那一維。

你沒有辦法直接遍歷數組里每一個元素，嵌套循環又太低效。

這個時候就需要用到flat方法，它可以將多維數組平鋪為一維的迭代器。

import numpy as np# 創建二維數組x2 = np.array([[1,2,3],[4,5,6]])# 先平鋪，再迭代for i in x2.flat:    print(i)'''輸出：123456'''

14、如何將多維數組展開為一維數組？

數組（ndarray）對象提供了ravel方法，用來將多維數組展開為一維數組。

import numpy as np# 創建er維數組x3 = np.arange(12).reshape(3,4)# 對該三維數組進行索引x3.ravel()'''輸出：array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])'''

15、什么廣播機制？

廣播(Broadcast)是 numpy 對不同形狀(shape)的數組進行數值計算的方式， 對多個數組的算術運算通常在相應的元素上進行。

較小的數組在較大的數組上“廣播”，以便它們具有兼容的形狀。

比如說一個一維數組乘以一個數字，相當于一維數組里每個元素都乘以這個數。

import numpy as np# 創建一維數組x1 = np.array([1,2,3])# 廣播x1 * 2'''輸出：array([2, 4, 6])'''

如果相同維度的數組進行運算，其shape相同，那么廣播就是兩個數組相同位數的元素進行運算。

import numpy as np# 創建一維數組x1 = np.array([1,2,3])x2 = np.array([4,5,6])# 廣播x1 + x2'''輸出：array([5, 7, 9])'''

如果兩個數組維度不同，進行運算，這里就觸發了廣播的兩個規則。

  • 讓所有輸入數組都向其中形狀最長的數組看齊，形狀中不足的部分都通過在前面加 1 補齊；
  • 當輸入數組的某個維度的長度為 1 時，沿著此維度運算時都用此維度上的第一組值。

這兩個規則保證了不同維度數組進行運算時，其維度自動調整成一致。

import numpy as np
# 創建一維數組
x1 = np.array([[1,2,3],[4,5,6]])
x2 = np.array([2,3,4])
# 廣播
x1 - x2
'''
輸出：
array([[-1, -1, -1],
       [ 2,  2,  2]])
'''

16、numpy中如何進行數值舍入操作？

  • around函數，用于四舍五入，返回一個新數組
import numpy as np
# 創建一維數組
x1 = np.array([1.45,2.78,3.12])
# 四舍五入，到小數點后1位
np.around(x1,1)
'''
輸出：
array([1.4, 2.8, 3.1])
'''
  • floor函數，用于向下取整，返回一個新數組
import numpy as np
# 創建一維數組
x1 = np.array([1.45,2.78,3.12])
# 向下取整
np.floor(x1)
'''
輸出：
array([1., 2., 3.])
'''
  • ceil函數，用于向上取整，返回一個新數組
import numpy as np
# 創建一維數組
x1 = np.array([1.45,2.78,3.12])
# 向下取整
np.ceil(x1)
'''
輸出：
array([2., 3., 4.])
'''

17、如何對數組進行轉置操作？

numpy提供了transpose函數用以對數組進行維度的調換，也就是轉置操作。

轉置后返回一個新數組。

import numpy as np
# 創建二維數組
x1 = np.arange(12).reshape(3,4)
# 轉置
np.transpose(x1)
'''
輸出：
array([[ 0,  4,  8],
       [ 1,  5,  9],
       [ 2,  6, 10],
       [ 3,  7, 11]])
原數組：
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
'''

當然，可以用更簡單的方法。

數組對象提供了T方法，用于轉置，同樣會返回一個新數組。

import numpy as np
# 創建二維數組
x1 = np.arange(12).reshape(3,4)
# 轉置
x1.T
'''
輸出：
array([[ 0,  4,  8],
       [ 1,  5,  9],
       [ 2,  6, 10],
       [ 3,  7, 11]])
原數組：
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
'''

18、如何連接兩個相同維度的數組？

numpy的concatenate 函數用于沿指定軸連接相同形狀的兩個或多個數組。

import numpy as np
# 創建兩個二維數組
x1 = np.array([[1,2,3],[4,5,6]])
x2 = np.array([[7,8,9],[10,11,12]])
# 連接,默認沿0軸連接
np.concatenate((x1,x2))

'''
輸出：
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [ 7,  8,  9],
       [10, 11, 12]])
'''

# 指定沿1軸連接
np.concatenate((x1,x2),axis=1)

'''
輸出：
array([[ 1,  2,  3,  7,  8,  9],
       [ 4,  5,  6, 10, 11, 12]])
'''

19、如何向數組添加值？

  • numpy的append 函數向數組末尾追加值，可以指定不同的軸。
import numpy as np
# 創建一個二維數組
x1 = np.array([[1,2,3],[4,5,6]])
# 直接向數組末尾添加元素，返回平鋪的一維數組
np.append(x1,[7,8,9])
'''
輸出：
array([1, 2, 3, 4, 5, 6, 7, 8, 9])
'''

# 沿軸 0 添加元素
np.append(x1, [[7,8,9]],axis = 0)
'''
輸出：
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
'''

# 沿軸 1 添加元素
np.append(x1, [[5,5,5],[7,8,9]],axis = 1)
'''
輸出：
array([[1, 2, 3, 5, 5, 5],
       [4, 5, 6, 7, 8, 9]])
'''
  • numpy的insert 函數可以沿給定軸，在數組中任意位置插入數據。
import numpy as np
# 創建一個二維數組
x1 = np.array([[1,2,3],[4,5,6],[7,8,9]])
# 直接在指定位置插入元素，返回平鋪的一維數組
np.insert(x1,2,[0,0,0])
'''
輸出：
array([1, 2, 0, 0, 0, 3, 4, 5, 6, 7, 8, 9])

原數組：
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
'''

# 指定位置，沿軸 0 插入元素
np.insert(x1,1,[0,0,0],axis=0)
'''
輸出：
array([[1, 2, 3],
       [0, 0, 0],
       [4, 5, 6],
       [7, 8, 9]])
'''

# 指定位置，沿軸 1插入元素
np.insert(x1,2,[0,0,0],axis=1)
'''
輸出：
array([[1, 2, 0, 3],
       [4, 5, 0, 6],
       [7, 8, 0, 9]])
'''

20、如何對數組進行去重操作？

numpy的unique 函數用于去除數組中的重復元素，返回一個新數組。

import numpy as np
# 創建一個一維數組
x1 = np.array([2,3,5,1,3,8,1,0])
np.unique(x1)
'''
輸出：
array([0, 1, 2, 3, 5, 8])
'''

unique函數還能返回重復元素的索引、計數等信息，可去查文檔自定義參數。


看完了這篇文章，相信你對學習numpy會遇到的問題有了一定的了解，想了解更多相關知識，歡迎關注創新互聯行業資訊頻道，感謝各位的閱讀！

分享名稱：學習numpy會遇到的問題
網頁鏈接：http://m.newbst.com/article40/gciiho.html

成都網站建設公司_創新互聯，為您提供關鍵詞優化、網站設計公司、小程序開發、品牌網站建設、企業建站、

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯

h5響應式網站建設