常用的numpy函数
程序员文章站
2024-03-21 11:35:52
...
一、前言
简单列一下常用的numpy函数,方便查阅。
二、示例及解释
首先,我们导入一下!
import numpy as np
array性质:
array.ndim 维度
array.shape 行和列
array.size 元素个数
创建:
np.arange(n) 生成0至n-1个整数
np.arange(m,n,k) 生成m到n的以k为步长切片的数据。
np.arange(4) 从0开始
np.linspace(m,n,k) 在m到n的数据中按等间距取k个值 (n - m)/(k-1)
np.ones(shape)
a.reshape(m,n) 将a重新定义为一个m行n列的矩阵
乘法:
a = np.arange(4).reshape((2,2))
b = np.array([[1,2],
[5,7]])
c = a*b
d = np.dot(a,b)
e = a.dot(b)
d和e相同,c是点乘
a.ravel() 将矩阵a重新拉伸成一个向量,拉伸后可以重新reshape成一个新矩阵
a.reshape(n,-1)或a.reshape(-1,n) 确定一个矩阵的行(列)后,相应的列(行)也直接被确定
np.tile(a,(m,n)) 将矩阵a的行数扩大m倍,列数扩大n倍
np.sort(a,axis=k) 将矩阵a在k维排序。
np.argsort(a) 返回将a升序排列后的索引值(默认排列方式为升序)
np.random.random() 半开区间[0.0, 1.0)之间的随机浮点数数
np.random.randint(low, high=None, size=None, dtype=’l’) 返回从low到high之间的随机整数
np.empty_like() 返回与给定数据具有同样大小和类型的数据,并且初始化为0,类似的有ones_like(),zeros_like()
numpy.where() 返回满足给定条件的元素的索引
统计函数:
np.sum(a, axis = None) 依给定轴axis计算数组a相关元素之和,axis为整数或者元组
np.mean(a, axis = None) 计算平均值
np.average(a, axis = None, weights = None) 依给定轴axis计算数组a相关元素的加权平均值
np.std(a, axis = None) 计算标准差
np.var(a, axis = None) 计算方差
argmin(a) 返回数组a的最小值的下标
argmax(a) 返回数组a的最大值的下标
median(a) 计算数组a中元素的中位数
结束语
后续完善······
上一篇: Redis持久化方法详解
下一篇: 环形进度条的简单实现