import numpy as np
arr1 = np.array([1,2,3])
arr2 = np.array([4,5,6])
arr3 = np.vstack((arr1,arr2))#垂直合併
print(arr1)
print(arr2)
print(arr3)
[1 2 3]
[4 5 6]
[[1 2 3]
[4 5 6]]
arr4 = np.hstack((arr1,arr2))#水平合併
print(arr4)
[1 2 3 4 5 6]
arr = np.concatenate((arr1,arr2,arr1))#水平合併
print(arr)
[1 2 3 4 5 6 1 2 3]
arrv = np.vstack((arr1,arr2,arr3))
arr = np.concatenate((arrv,arr3),axis=0)#合併的array維度要相同，array形狀要匹配 axis=0縱向合
#並 axis=1 橫向合併
print(arr)
[[1 2 3]
[4 5 6]
[1 2 3]
[4 5 6]
[1 2 3]
[4 5 6]]
arr = np.concatenate((arrv,arrv),axis=1)
print(arr)
[[1 2 3 1 2 3]
[4 5 6 4 5 6]
[1 2 3 1 2 3]
[4 5 6 4 5 6]]
arr1_1 = arr1[np.newaxis,:]#增加乙個維度 在行的位置
print(arr1_1)
[[1 2 3]]
arr1_1 = arr1[:,np.newaxis]#增加乙個維度 在列的位置
print(arr1_1)
[[1]
[2][3]]
arr1_3 = np.atleast_2d(arr1)#將一維陣列轉換成二維
print(arr1_3)
[[1 2 3]]
科學計算之Numpy入門1
numpy所包括的函式可以十分方便的進行資料處理，尤其是矩陣運算，之前的python都是使用列表與元組，在進行矩陣運算的時候非常不便。對於同樣的數值計算任務，使用numpy要比直接使python 方便得多。因為numpy 能夠直接對陣列和矩陣進行操作，量大大的減少了，並且其眾多的數學函式也會讓編寫 ...
科學計算庫Numpy 陣列（ndarray）
學過其他強型別語言的朋友都知道陣列是一種資料型別，它裡面的元素必須是同一種型別，類似python的列表，但是這種列表只能是同種元素。用法numpy.array list tuple import numpy as np 重新命名numpy為np arr np.array 1,2,3,4,5,6 建立...
Qt版科學計算器
qt版科學計算器 之前做過 vc版科學計算器 這也是我學vc 時的第乙個大作業，通過科學計算器的開發使用我學到了很多東西，也讓我逐漸喜歡上了程式設計。最近在學習qt，所以將當時在vc下寫過的一些東西在qt下重寫了一遍，其實主要還是與顯示等有關的東西需要重寫，要使用qt的顯示方式，而其他的核心的演算法...