溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
第一章 jupyter notebook簡單教程
命令模式按鍵esc開啟
Enter : 轉入編輯模式
Shift-Enter : 運行本單元，選中下個單元
Ctrl-Enter : 運行本單元
Alt-Enter : 運行本單元，在其下插入新單元
Y : 單元轉入代碼狀態(tài)
M :單元轉入markdown狀態(tài)
Z : 恢復刪除的最后一個單元
第二章 numpy簡單教程
2.1 數(shù)組
import numpy as np
a = np.array([1, 2, 3])
print(a)
#out
[1 2 3]
a
#out
array([1, 2, 3])
type(a)
#out
numpy.ndarray
a.shape
#out
(3,)
# reshape(1, -1)中1代表設置數(shù)組為1行 , -1代表一個占位符 , 表示a數(shù)組列數(shù)
# reshape()中-1可以作為行的占位符也可以作為列的占位符
a = a.reshape(1, -1)
a.shape
#out
(1, 3)
a = np.array([1, 2, 3, 4, 5, 6])
a.shape
#out
(6,)
a = a.reshape(2,-1)
a.shape
#out
(2, 3)
a
#out
array([[1, 2, 3],
[4, 5, 6]])
a = a.reshape(-1, 2)
a.shape
#out
(3, 2)
a[2, 0]
#out
5
a[2, 0] = 55
a[2, 0]
#out
55
# zeros用于創(chuàng)建元素全部為0的矩陣數(shù)組
a = np.zeros((3, 3))
a
#out
array([[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]])
# ones用于創(chuàng)建元素全部為1的矩陣數(shù)組
a = np.ones((3, 3))
a
#out
array([[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]])
# zeros ones函數(shù)也完全可以用full函數(shù)實現(xiàn)
a = np.full((2, 3), 0)
a
#out
array([[0, 0, 0],
[0, 0, 0]])
# eye函數(shù)用于創(chuàng)建單位矩陣
a = np.eye(3)
a
#out
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
# random.random用戶創(chuàng)建數(shù)值為0-1之間的隨機二維數(shù)組
a = np.random.random((2, 3))
a
#out
array([[0.54627035, 0.49586489, 0.6976645 ],
[0.76596824, 0.95951819, 0.7515421 ]])
2.2 數(shù)組索引操作
# indexing : 數(shù)組索引
a = np.array([[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12]])
# -2代表數(shù)組的倒數(shù)第二行 , 1:3代表從第一列開始往后兩個元素
a[-2:, 1:3]
#out
array([[ 6, 7],
[10, 11]])
# 取倒數(shù)第二行 , 第三列元素
a[-2, 3]
#out
8
a
#out
array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
a.shape
#out
(3, 4)
# 將數(shù)組a倒數(shù)第二行開始到最后一行 , 從第一列往后兩列元素賦值給b數(shù)組
b = a[-2:, 1:3]
a
#out
array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
b
#out
array([[ 6, 7],
[10, 11]])
b.shape
#out
(2, 2)
# 指定為索引為的2行
b = a[2, 1:3]
b
#out
array([10, 11])
b.shape
#out
(2,)
b = a[1, 2]
b
#out
7
b.shape
#out
()
b = a[2:3, 1:3]
b
#out
array([[10, 11]])
b.shape
#out
(1, 2)
# 將數(shù)組的3行的1列 + 10
a[np.arange(3), 1] += 10
a
#out
array([[ 1, 12, 3, 4],
[ 5, 16, 7, 8],
[ 9, 20, 11, 12]])
a[np.arange(2), 3] += 100
a
#out
array([[ 1, 12, 3, 104],
[ 5, 16, 7, 108],
[ 9, 20, 11, 12]])
# 產(chǎn)生一個0,1,2的數(shù)組 , 不包含3
np.arange(3)
#out
array([0, 1, 2])
# 產(chǎn)生一個從3-7的數(shù)組 , 不包含7
np.arange(3,7)
#out
array([3, 4, 5, 6])
a[np.arange(3), [1,1,1]] += 10
a
#out
array([[ 1, 22, 3, 104],
[ 5, 26, 7, 108],
[ 9, 30, 11, 12]])
a[[0,1,2], [1,1,1]] += 10
a
#out
array([[ 1, 32, 3, 104],
[ 5, 36, 7, 108],
[ 9, 40, 11, 12]])
# 判斷數(shù)組a中大于10的值
result_index = a>10
result_index
#out
array([[False, True, False, True],
[False, True, False, True],
[False, True, True, True]])
a[result_index]
#out
array([ 32, 104, 36, 108, 40, 11, 12])
a[a>10]
#out
array([ 32, 104, 36, 108, 40, 11, 12])
2.3 元素數(shù)組類型
a = np.array([1,2,3])
a.dtype
#out
dtype('int64')
a = np.array([1.1, 2.2])
a.dtype
#out
dtype('float64')
a = np.array([1.1, 1, 'a'])
a
#out
array(['1.1', '1', 'a'], dtype='
# 將float型數(shù)組轉化成int型
a = np.array([1.1, 2.2], dtype=np.int64)
a
#out
array([1, 2])
# 將a數(shù)組賦值給b數(shù)組 , 同時設置元素類型為int
b = np.array(a, dtype=np.int64)
b
#out
array([1, 2])
2.3 數(shù)組運算與常用函數(shù)
numpy中的數(shù)學運算
a = np.array([[1,2],
[3,4]])
b = np.array([[5,6],
[6,5]])
# 加法
a+b
#out
array([[6, 8],
[9, 9]])
np.add(a,b)
#out
array([[6, 8],
[9, 9]])
# 減法
a-b
#out
array([[-4, -4],
[-3, -1]])
np.subtract(a,b)
#out
array([[-4, -4],
[-3, -1]])
# 乘法
a*b
#out
array([[ 5, 12],
[18, 20]])
np.multiply(a,b)
#out
array([[ 5, 12],
[18, 20]])
# 除法
a/b
#out
array([[0.2 , 0.33333333],
[0.5 , 0.8 ]])
np.divide(a,b)
#out
array([[0.2 , 0.33333333],
[0.5 , 0.8 ]])
# 開方
np.sqrt(a)
#out
array([[1. , 1.41421356],
[1.73205081, 2. ]])
a
#out
array([[1, 2],
[3, 4]])
b = np.array([[1,2,3],
[4,5,6]]) 無錫人流醫(yī)院哪家好 http://www.wxbhnkyy120.com/
# dot : 是將a數(shù)組與b數(shù)組矩陣相乘的結果
a.dot(b)
#out
array([[ 9, 12, 15],
[19, 26, 33]])
np.dot(a,b)
#out
array([[ 9, 12, 15],
[19, 26, 33]])
numpy中的常用函數(shù)
# sum : 求和函數(shù)
# 計算數(shù)組中全部元素的和
a = np.array([[1,2],
[3,4]])
np.sum(a)
#out
10
# 將數(shù)組中的每一列進行求和操作
np.sum(a, axis=0)
#out
array([4, 6])
# 將數(shù)組中的每一行進行求和操作
np.sum(a, axis=1)
#out
array([3, 7])
# mean : 求平均值函數(shù)
# 計算數(shù)組的平均值
np.mean(a)
#out
2.5
# 計算數(shù)組每一列的平均值
np.mean(a, axis=0)
#out
array([2., 3.])
# 計算數(shù)組每一行的平均值
np.mean(a, axis=1)
#out
array([1.5, 3.5])
# uniform : 用戶生成一個指定范圍內的隨機數(shù)值
np.random.uniform(3,4)
#out
3.247709331922638
# tile : 用于將一個數(shù)組作為一個元素重復指定的次數(shù)
a
#out
array([[1, 2],
[3, 4]])
# 將數(shù)組在行上重復1次, 在列上重復2次
np.tile(a, (1,2))
#out
array([[1, 2, 1, 2],
[3, 4, 3, 4]])
# 將數(shù)組在行上重復1次, 在列上重復3次
np.tile(a, (1,3))
#out
array([[1, 2, 1, 2, 1, 2],
[3, 4, 3, 4, 3, 4]])
# argsort : 將數(shù)組中的元素進行排序 , 默認從小到大
a = np.array([[1,12,3,104],
[5,10,1,3]])
# 按照數(shù)組下標將元素排好
np.argsort(a)
#out
array([[0, 2, 1, 3],
[2, 3, 0, 1]])
# 將每一列進行排序
a.argsort(axis=0)
#out
array([[0, 1, 1, 1],
[1, 0, 0, 0]])
# T : 矩陣轉置
a
#out
array([[ 1, 12, 3, 104],
[ 5, 10, 1, 3]])
a.T
#out
array([[ 1, 5],
[ 12, 10],
[ 3, 1],
[104, 3]])
# 使用transpose函數(shù)將數(shù)組轉置
np.transpose(a)
#out
array([[ 1, 5],
[ 12, 10],
[ 3, 1],
[104, 3]])
2.4 廣播
廣播
可以將不同維度的數(shù)組進行相加 , numpy會將不同維度的數(shù)組轉化成相同維度的數(shù)組 , 廣播會在缺失維度和一維的數(shù)組上進行操作
a = np.array([[1, 2, 3],
[5, 6, 7],
[9, 10, 11]])
b = np.array([1,2,3])
# 將b數(shù)組加到a數(shù)組的每一行
for i in range(3):
a[i, :] += b
a
#out
array([[ 2, 4, 6],
[ 6, 8, 10],
[10, 12, 14]])
# 將b數(shù)組行上重復3次 , 列上重復1次 , 與a相加
a + np.tile(b, (3,1))
#out
array([[ 3, 6, 9],
[ 7, 10, 13],
[11, 14, 17]])
免責聲明：本站發(fā)布的內容（圖片、視頻和文字）以原創(chuàng)、轉載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權內容。
