在給定的區間[start, stop) 內返回均勻間隔的值
語法：numpy.arange([start, ]stop, [step, ]dtype=none)
引數： 返回：
示例：
>>> np.arange(5)
array([0, 1, 2, 3, 4])
>>> np.arange(1,5)
array([1, 2, 3, 4])
>>> np.arange(1,5,0.5)
array([1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5])
>>> np.arange(0.1,5.0)
array([0.1, 1.1, 2.1, 3.1, 4.1])
語法： numpy.linspace(start, stop, num=50, endpoint=true, retstep=false, dtype=none, axis=0)
引數： 示例：
>>> np.linspace(1,5)
array([1. , 1.08163265, 1.16326531, 1.24489796, 1.32653061,
1.40816327, 1.48979592, 1.57142857, 1.65306122, 1.73469388,
1.81632653, 1.89795918, 1.97959184, 2.06122449, 2.14285714,
2.2244898 , 2.30612245, 2.3877551 , 2.46938776, 2.55102041,
2.63265306, 2.71428571, 2.79591837, 2.87755102, 2.95918367,
3.04081633, 3.12244898, 3.20408163, 3.28571429, 3.36734694,
3.44897959, 3.53061224, 3.6122449 , 3.69387755, 3.7755102 ,
3.85714286, 3.93877551, 4.02040816, 4.10204082, 4.18367347,
4.26530612, 4.34693878, 4.42857143, 4.51020408, 4.59183673,
4.67346939, 4.75510204, 4.83673469, 4.91836735, 5. ])
>>> np.linspace(1,5,num=5)
array([1., 2., 3., 4., 5.])
>>> np.linspace(1,5,num=5,endpoint=false)
array([1. , 1.8, 2.6, 3.4, 4.2])
>>> np.linspace(1,5,num=5,retstep=true)
(array([1., 2., 3., 4., 5.]), 1.0)
返回乙個給定形狀的ndarray
示例：
>>> np.random.rand(2)
array([0.47914161, 0.961365 ])
>>> np.random.rand(2,3)
array([[0.18805626, 0.56805398, 0.22327111],
[0.27509408, 0.80982919, 0.32038785]])
>>> np.random.randn(5)
array([ 1.57615724, -1.34411926, -0.38013751, 0.79231348, 0.82890589])
>>> np.random.randn(2,3)
array([[-0.70558487, -1.32330345, 0.65980561],
[ 0.82518928, 0.42554509, 0.38364469]])
語法：numpy.zeros(shape, dtype=float, order='c')
引數： 示例：
>>> np.zeros(5)
array([0., 0., 0., 0., 0.])
>>> np.zeros((2,3))
array([[0., 0., 0.],
[0., 0., 0.]])
語法：numpy.reshape(a, newshape, order='c')
引數 ：
示例：
>>> a=np.arange(6)
>>> a
array([0, 1, 2, 3, 4, 5])
>>> np.reshape(a,(2,3))
array([[0, 1, 2],
[3, 4, 5]])
>>> a
array([0, 1, 2, 3, 4, 5])
>>> a.reshape((2,3))
array([[0, 1, 2],
[3, 4, 5]])
示例：
>>> np.array([1, 2, 3])
array([1, 2, 3])
>>> np.array([[1, 2], [3, 4]])
array([[1, 2],
[3, 4]])
（1）對應元素相乘
兩種方式：
如：list4 = [[1,2],[3,4]] ，相當於shape為（2,2）的numpy陣列
>>> list1 = [2]
>>> list2 = [1,2]
>>> list3 = [[1],[2]]
>>> list4 = [[1,2],[3,4]]
>>> a1 = np.array([[2,1],[4,5]])
>>> list1*a1
array([[ 4, 2],
[ 8, 10]])
>>> list2*a1
array([[ 2, 2],
[ 4, 10]])
>>> list3*a1
array([[ 2, 1],
[ 8, 10]])
>>> list4*a1
array([[ 2, 2],
[12, 20]])
>>> np.dot(list4,a1)
array([[10, 11],
[22, 23]])
np.array(list)a.tolist()numpy入門 陣列操作
import numpy as np import pandas as pd 建立乙個多維陣列 np1 np.random.randint low 4,high 90,size 4,5,6 np2 np.random.randint low 4,high 77,size 4,5,6 根據條件篩選陣列...
Numpy陣列操作OpencvMat
二 什麼是numpy 乙個用python實現的科學計算包。包括 1 乙個強大的n維陣列物件array 2 比較成熟的 廣播 函式庫 3 用於整合c c 和fortran 的工具包 4 實用的線性代數 傅利葉變換和隨機數生成函式。numpy和稀疏矩陣運算包scipy配合使用更加方便。numpy num...
opencv與numpy陣列操作
在開始之前我們先來說一下彩色影象的組成 我們現在看到的所有彩色影象都是可以由三原色按照一定的比例混合得來的，也就是說只要我們知道了三原色的比例，就可以調製出某種顏色。我們用小方塊組合在一起，許許多多的小方塊就可以拼湊出乙個影象來，所以我們就有了用陣列來表示影象的乙個方法。所以我們在下面的對於彩色影象...