關於python中numpy庫的一些學習

import numpy as np

import numpy as np

array = np.array([[
1,2,
3],[
4,5,
6]])
print
(array)
print
("number of array:"
,array.ndim)
# 檢視矩陣的維數
print
("shape:"
,array.shape)
# 檢視矩陣的形狀
print
("size:"
,array.size)
# 檢視矩陣的元素個數

import numpy as np

a = np.zeros((3
,4))
# np.zeros((矩陣行數，矩陣列數))
print
(a)

import numpy as np

a = np.ones((3
,4))
print
(a)

import numpy as np

a = np.empty((3
,4))
print
(a)

#np.arange(起始值,終止值,步長)，不包含終止值

print

(a)輸出結果:

import numpy as np

a = np.arange(10,
22,2)
.reshape(2,
3)print
(a)

import numpy as np

a = np.linspace(1,
10,5)
#np.linspace(起始值，終止值，分段數)
print
(a)

同樣也可以更改形狀:

import numpy as np

a = np.linspace(1,
10,6)
.reshape(2,
3)print
(a)

numpy常見的資料型別：

(c)numpy中的減法，僅僅是相應位置中的元素相減。

import numpy as np

a=np.array([10
,20,30
,40])
b=np.arange(4)
print
(a,b)
c=a+b
print
(c)

執行結果如下:

import numpy as np

b=np.arange(4)
print
(b)print
(b**
2)

矩陣的平方即為每個元素求平方

輸出結果如下:

import numpy as np

a = np.array([[
1,1]
,[0,
1]])
b = np.arange(4)
.reshape(2,
2)c = a*b
c_dot = np.dot(a, b)
print
(c)print
(c_dot)

若想要輸出的是線性代數中的乘法，則需要使用np.dot(ab)

輸出結果如下：

想要計算矩陣a*b還可以寫為：

c_dot_2=a.dot(b)

import numpy as np

a = np.array([[
1,1]
,[0,
1]])
print
(np.sin(a)
)

輸出結果如下:

)輸出結果如下:

axis=0表示對行操作（上下）

axis=1表示對列操作（左右）

Python中numpy庫unique函式解析

a np.unique a 對於一維陣列或者列表，unique函式去除其中重複的元素，並按元素由大到小返回乙個新的無元素重複的元組或者列表。import numpy as np a 1,2,2,5,3,4,3 a np.unique a b 1,2,2,5,3,4,3 b np.unique b c...

python的numpy庫結構 Numpy庫簡介

今天給大家分享乙個資料分析處理資料的常見的庫 numpy。這個庫是 python 資料分析的基礎，它提供的資料結構比 python 自身的更高效。我們知道 python 有自帶的列表資料結構。numpy 庫和 list 列表有什麼區別呢？python list 列表儲存的是物件的指標，比如 0,1,...

Python的numpy庫中的shape用法

shape函式是numpy.core.fromnumeric中的函式，它的功能是讀取矩陣的維度。例 shape matrixa 返回matrixa的 行數，列數 元組 shape matrixa 0 行數 shape matrixa 1 列數 shape的輸入引數可以使乙個實數，乙個一維列表 陣列 ...