欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

numpy常用操作

程序员文章站 2022-07-13 22:25:46
...

一 代码

  1. import numpy as np
  2. print(np.arange(1,11))
  3. print(np.arange(1,11).reshape([2,5]))
  4. print(np.arange(1,11).reshape([2,-1]))
  5. lst=np.arange(1,11).reshape([2,-1])
  6. print("exp:")
  7. print(np.exp(lst))
  8. print("exp2:")
  9. print(np.exp2(lst))
  10. print("sqrt:")
  11. print(np.sqrt(lst))
  12. print("sin:")
  13. print(np.sin(lst))
  14. print("log:")
  15. print(np.log(lst))
  16. lst = np.array([[[1,2,3,4],
  17. [4,5,6,7,]],
  18. [[7,8,9,10],
  19. [10,11,12,13]],
  20. [[14,15,16,17],
  21. [18,19,20,21]]
  22. ])
  23. print(lst.sum())
  24. print(lst.sum(axis=0))
  25. print(lst.sum(axis=1))
  26. print(lst.sum(axis=2))
  27. print(lst.max())
  28. print("Max")
  29. print(lst.max(axis=1))
  30. print("Min")
  31. print(lst.min(axis=0))
  32. lst1 = np.array([10,20,30,40])
  33. lst2 = np.array([4,3,2,1])
  34. print(lst1+lst2)
  35. print(lst1-lst2)
  36. print(lst1*lst2)
  37. print(lst1/lst2)
  38. print(lst1**2)
  39. print(np.dot(lst1.reshape([2,2]),lst2.reshape([2,2])))
  40. print(np.concatenate((lst1,lst2),axis=0))
  41. print(np.vstack((lst1,lst2)))
  42. print(np.hstack((lst1,lst2)))
  43. print(np.split(lst1,2))
  44. print(np.split(lst1,4))
  45. print(np.copy(lst1))
二 运行结果
[ 1  2  3  4  5  6  7  8  9 10]
[[ 1  2  3  4  5]
 [ 6  7  8  9 10]]
[[ 1  2  3  4  5]
 [ 6  7  8  9 10]]
exp:
[[  2.71828183e+00   7.38905610e+00   2.00855369e+01   5.45981500e+01
    1.48413159e+02]
 [  4.03428793e+02   1.09663316e+03   2.98095799e+03   8.10308393e+03
    2.20264658e+04]]
exp2:
[[    2.     4.     8.    16.    32.]
 [   64.   128.   256.   512.  1024.]]
sqrt:
[[ 1.          1.41421356  1.73205081  2.          2.23606798]
 [ 2.44948974  2.64575131  2.82842712  3.          3.16227766]]
sin:
[[ 0.84147098  0.90929743  0.14112001 -0.7568025  -0.95892427]
 [-0.2794155   0.6569866   0.98935825  0.41211849 -0.54402111]]
log:
[[ 0.          0.69314718  1.09861229  1.38629436  1.60943791]
 [ 1.79175947  1.94591015  2.07944154  2.19722458  2.30258509]]
252
[[22 25 28 31]
 [32 35 38 41]]
[[ 5  7  9 11]
 [17 19 21 23]
 [32 34 36 38]]
[[10 22]
 [34 46]
 [62 78]]
21
Max
[[ 4  5  6  7]
 [10 11 12 13]
 [18 19 20 21]]
Min
[[1 2 3 4]
 [4 5 6 7]]
[14 23 32 41]
[ 6 17 28 39]
[40 60 60 40]
[  2.5          6.66666667  15.          40.        ]
[ 100  400  900 1600]
[[ 80  50]
 [200 130]]
[10 20 30 40  4  3  2  1]
[[10 20 30 40]
 [ 4  3  2  1]]
[10 20 30 40  4  3  2  1]
[array([10, 20]), array([30, 40])]
[array([10]), array([20]), array([30]), array([40])]
[10 20 30 40]
相关标签: numpy 操作