這篇文章主要為大家展示了“python中Numpy基礎(chǔ)操作的示例分析”，內(nèi)容簡(jiǎn)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(lǐng)大家一起研究并學(xué)習(xí)一下“python中Numpy基礎(chǔ)操作的示例分析”這篇文章吧。

在寧武等地區(qū)，都構(gòu)建了全面的區(qū)域性戰(zhàn)略布局，加強(qiáng)發(fā)展的系統(tǒng)性、市場(chǎng)前瞻性、產(chǎn)品創(chuàng)新能力，以專注、極致的服務(wù)理念，為客戶提供成都做網(wǎng)站、成都網(wǎng)站設(shè)計(jì) 網(wǎng)站設(shè)計(jì)制作專業(yè)公司,公司網(wǎng)站建設(shè),企業(yè)網(wǎng)站建設(shè),品牌網(wǎng)站建設(shè),成都全網(wǎng)營(yíng)銷推廣,外貿(mào)營(yíng)銷網(wǎng)站建設(shè),寧武網(wǎng)站建設(shè)費(fèi)用合理。

NumPy(Numerical Python) 是 Python 語言的一個(gè)擴(kuò)展程序庫，支持大量的維度數(shù)組與矩陣運(yùn)算，此外也針對(duì)數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫。是在學(xué)習(xí)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)之前應(yīng)該掌握的一個(gè)非?；厩覍?shí)用的Python庫。

導(dǎo)入庫，創(chuàng)建數(shù)組

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

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(chuàng)建多維數(shù)組
a=np.zeros((2, 3))  #創(chuàng)建兩行三列的0填充的矩陣，ones(shape)則是創(chuàng)建1填充的，np.full((m,n)8) m行n列的全部是8的參數(shù)
a=np.linspace(1., 4., 6) #創(chuàng)建1到4之間，共6個(gè)元素的等值間距的數(shù)組
a=np.arange(起，止，步長(zhǎng)) #創(chuàng)建 從起到至，按步長(zhǎng)排列的數(shù)組
a= np.indices((3,3)) #創(chuàng)建一個(gè)堆疊的更高維度的數(shù)組
a=np.mat() #創(chuàng)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(shù)組（假矩陣）

基本操作符

np中矩陣之間加減乘除是對(duì)應(yīng)元素的+、-、*、/， 【注】一個(gè)數(shù)組加一個(gè)整數(shù)，則是對(duì)該數(shù)組每個(gè)元素加該整數(shù)，這個(gè)過程成為數(shù)組的廣播，如果階數(shù)不同則是每行與每行對(duì)應(yīng)相乘。

mat的矩陣若是使用*則是矩陣相乘，而非對(duì)應(yīng)元素相乘

其他的計(jì)算函數(shù)：

• multiply(),數(shù)組或矩陣對(duì)應(yīng)位置相乘

• dot()函數(shù)，a.dot(b)表示ab矩陣相乘，數(shù)學(xué)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(shí)候他也會(huì)默認(rèn)為二維方陣，最后結(jié)果是[...]

• min() #找出最小的元素

• max() #找出大的元素

• mean() #返回均值

• std() #返回標(biāo)準(zhǔn)方差

• var() #返回方差

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

• cumsum() #原數(shù)組該位置的前幾項(xiàng)元素和 （累加數(shù)組）

• ptp() #返回大值減去最小值

np的索引和切片

import numpy as np
data = np.arange(12).reshape((3, 4))
print(data)
##對(duì)數(shù)組元素進(jìn)行索引和切片
# 1. 取第一行的數(shù)據(jù)
print(data[0])

# 2. 取第一列的數(shù)據(jù)
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(chǔ)操作的示例分析”這篇文章的所有內(nèi)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(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計(jì)公司行業(yè)資訊頻道！

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場(chǎng)景需求。

網(wǎng)站題目：python中Numpy基礎(chǔ)操作的示例分析-創(chuàng)新互聯(lián)
文章來源：http://weahome.cn/article/jccss.html