Numpy的基本操作（四）

有志者自有千計萬計，無志者只感千難萬難。

用途：生成乙個指定型別的陣列

用法一：

import numpy as np

v = np.arange(5)
#從0開始生成5個數作為陣列元素，步長為1
print
(v)

[0 1 2 3 4]

import numpy as np

v = np.arange(2,
10,2)
#從二開始去步長為2生成小於10的數作為陣列的元素
print
(v)

[2 4 6 8]

**示例：

import numpy as np

v = np.arange(15)
m = v.reshape((3
,5))
#將陣列v轉換為3行5列的陣列
print
(m)

[[ 0 1 2 3 4]

[ 5 6 7 8 9]

[10 11 12 13 14]]

**示例：

import numpy as np

v = np.arange(15)
m = v.reshape((3
,5))
print
(m.ndim)

**示例：

import numpy as np

v = np.arange(15)
print
(v.size)

常用引數：dtype–生成後元素的型別（預設為float）

**示例：

import numpy as np

m = np.zeros((3
,3),dtype=np.int32)
#生成乙個3x3的元素為0的陣列
print
(m)

[[0 0 0]

[0 0 0]

[0 0 0]]

常用引數：dtype–生成後元素的型別（預設為float）

**示例：

import numpy as np

m = np.ones((3
,3),dtype=np.int32)
#生成乙個3x3的元素為1的陣列
print
(m)

[[1 1 1]

[1 1 1]

[1 1 1]]

注：random()函式在numpy.random模組中

**示例：

import numpy as np

m = np.random.random((3
,3))
#隨機生成乙個3x3的矩陣
print
(m)

[[0.58636134 0.42080227 0.65926001]

[0.90148205 0.13822899 0.0480405 ]

[0.60180574 0.35043674 0.34682743]]

用法：np.linspace(範圍開始，範圍結束，平均取多少個數)

**示例：

import numpy as np

m = np.linspace(0,
5,10)
print
(m)

[0. 0.55555556 1.11111111 1.66666667 2.22222222 2.77777778

3.33333333 3.88888889 4.44444444 5. ]

import numpy as np

a = np.array([5
,5,5
])b = np.array([1
,2,3
])print
(a+b)

[6 7 8]

**示例：

import numpy as np

a = np.array([[
1,2]
,[3,
4]])
b = np.array([[
4,4]
,[4,
4]])
print
(a * b)

[[ 4 8]

[12 16]]

import numpy as np

a = np.array([[
1,2]
,[3,
4]])
b = np.array([[
4,4]
,[4,
4]])
print
(np.dot(a,b)
)

[[12 12]

[28 28]]

Numpy的基本操作

coding utf 8 in 1 import pandas import numpy python中的list和array的不同之處 python中的list是python的內建資料型別，array封裝在numpy中 list中的資料類不必相同的，而array的中的型別必須全部相同 在list中...

numpy基本操作

算數運算子 等這些運算子為元素集，也就是說，它們只用於位置相同的元素之間，所得到的運算結果組成乙個新陣列 矩陣積 dot，表示矩陣乘機，表示對應元素相乘 np.dot a,b a.dot b 通用函式,通常叫做ufunc，它對陣列中的每個元素逐一進行操作，這表明，通用函式分別處理輸入陣列中的每個元素...

Numpy基本操作

索引 合併 分割 c a b c a b c a b c b 2 c 10 np.sin a c dot np.dot a,b 叉積 np.sum a np.min a np.max a np.sum a,axis 1 0行1列 np.min a,axis 0 np.max a,axis 1 np....