python中Numpy基礎操作的示例分析

這篇文章主要為大家展示了“python中Numpy基礎操作的示例分析”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“python中Numpy基礎操作的示例分析”這篇文章吧。

NumPy(Numerical Python) 是 Python 語言的一個擴展程序庫，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。是在學習機器學習、深度學習之前應該掌握的一個非常基本且實用的Python庫。

導入庫，創建數組

import numpy as np
a = np.arraya = np.array([0, 1, 2, 3, 4] )  #使用array函數

a = np.array([[11, 12, 13, 14, 15],
          [16, 17, 18, 19, 20],
          [21, 22, 23, 24, 25],
          [26, 27, 28 ,29, 30],
          [31, 32, 33, 34, 35]])  #創建多維數組
a=np.zeros((2, 3))  #創建兩行三列的0填充的矩陣，ones(shape)則是創建1填充的，np.full((m,n)8) m行n列的全部是8的參數
a=np.linspace(1., 4., 6) #創建1到4之間，共6個元素的等值間距的數組
a=np.arange(起，止，步長) #創建 從起到至，按步長排列的數組
a= np.indices((3,3)) #創建一個堆疊的更高維度的數組
a=np.mat() #創建矩陣，array只能從列表中生成，而mat可以從字符串或者列表中生成，比如mat（"1,2;3,4"）,而array（[1,2,3,4]），mat是矩陣、array是數組（假矩陣）

基本操作符

np中矩陣之間加減乘除是對應元素的+、-、*、/， 【注】一個數組加一個整數，則是對該數組每個元素加該整數，這個過程成為數組的廣播，如果階數不同則是每行與每行對應相乘。

mat的矩陣若是使用*則是矩陣相乘，而非對應元素相乘

其他的計算函數：

• multiply(),數組或矩陣對應位置相乘

• dot()函數，a.dot(b)表示ab矩陣相乘，數學上的相乘。

• sum() #求和，可使用axis限定方向，0為縱向，1為橫向。[[...],[...],[...]]這樣橫著放求得時候他也會默認為二維方陣，最后結果是[...]

• min() #找出最小的元素

• max() #找出最大的元素

• mean() #返回均值

• std() #返回標準方差

• var() #返回方差

• cumprod() #原數組該位置的前幾項元素乘 （累乘數組），可以使用axis指定方向，0表示縱向，1表示橫向，默認橫向

• cumsum() #原數組該位置的前幾項元素和 （累加數組）

• ptp() #返回最大值減去最小值

np的索引和切片

import numpy as np
data = np.arange(12).reshape((3, 4))
print(data)
##對數組元素進行索引和切片
# 1. 取第一行的數據
print(data[0])

# 2. 取第一列的數據
print(data.T[0])
print(data[:, 1])

#3. 獲取多行
print(data[:2])

# 4. 獲取多行列
print(data.T[:2])
print(data[:, :2])


# 5. 獲取指定行的前幾列;
print(data)
print(data[[0,2], :2])
print(data[:2, [0,2]])

以上是“python中Numpy基礎操作的示例分析”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！