python中的numpy的array数据类型有哪些 : GezCode源码站-专业源码源代码,抓包资源整站,互站源码,php源码,java源码,vue源码,游戏源码,直播源码,直播带货,合约源码,合约源码下载,娱乐彩,求购需求,源码出售,源码买卖,源码平台,整站源码下载!GezCode Source Station-Professional source code, package grabbing resources for the entire site, mutual source code, PHP source code, Java source code, Vue source code, game source code, live source code, live streaming with goods, contract source code, contract source code download, entertainment lottery, purchase demand, source code sales, source code trading, source code platform, whole site source code download! - GezCode源码站-专业源码源代码,抓包资源整站,互站源码,php源码,java源码,vue源码,游戏源码,直播源码,直播带货,合约源码,合约源码下载,娱乐彩,求购需求,源码出售,源码买卖,源码平台,整站源码下载!GezCode Source Station-Professional source code, package grabbing resources for the entire site, mutual source code, PHP source code, Java source code, Vue source code, game source code, live source code, live streaming with goods, contract source code, contract source code download, entertainment lottery, purchase demand, source code sales, source code trading, source code platform, whole site source code download!

python中的numpy的array数据类型有哪些

py的numpy的array数据类型

本篇教程希望为您提供帮助

本篇文章给大家带来的内容是介绍python中numpy的array数据类型有哪些?(代码详解)。有一定的参考价值,有需要的朋友可以参考一下,希望对你们有所帮助。

 import numpy as np  #创建 # 创建一维数组 a = np.array([1, 2, 3]) print(a) ''' [1 2 3] ''' # 创建多维数组 b = np.array([(1, 2, 3), (4, 5, 6)]) print(b) ''' [[1 2 3]  [4 5 6]] ''' # 创建等差一维数组 c = np.arange(1, 5, 0.5) print(c) ''' [1.  1.5 2.  2.5 3.  3.5 4.  4.5] ''' # 创建随机数数组 d = np.random.random((2, 2)) print(d) ''' [[0.65746941 0.09766114]  [0.15024283 0.9212932 ]]  ''' # 创建一个确定起始点和终止点和个数的等差一维数组 ##包含终止点 e = np.linspace(1, 2, 10) print(e) ''' [1.         1.11111111 1.22222222 1.33333333 1.44444444 1.55555556 1.66666667 1.77777778 1.88888889 2.        ]  ''' ##不包含终止点 f = np.linspace(1, 2, 10, endpoint=False) print(f) ''' [1.  1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9] ''' #创建一个全为‘1’的 数组 g = np.ones([2,3]) print(g) ''' [[1. 1. 1.]  [1. 1. 1.]]  ''' #创建一个全为‘0’的数组 h = np.zeros([2,3]) print(h) ''' [[0. 0. 0.]  [0. 0. 0.]]  ''' #通过函数创建数组 k = np.fromfunction(lambda i,j :(i+1)*(j+1),(9,9)) print(k) ''' [[ 1.  2.  3.  4.  5.  6.  7.  8.  9.]  [ 2.  4.  6.  8. 10. 12. 14. 16. 18.]  [ 3.  6.  9. 12. 15. 18. 21. 24. 27.]  [ 4.  8. 12. 16. 20. 24. 28. 32. 36.]  [ 5. 10. 15. 20. 25. 30. 35. 40. 45.]  [ 6. 12. 18. 24. 30. 36. 42. 48. 54.]  [ 7. 14. 21. 28. 35. 42. 49. 56. 63.]  [ 8. 16. 24. 32. 40. 48. 56. 64. 72.]  [ 9. 18. 27. 36. 45. 54. 63. 72. 81.]]  ''' ############## #获取数组的相关属性 a = np.array([(1,2,3),(4,5,6)]) print(a) ##获取数组的形状 print(a.shape) ''' (2, 3) 表示:该数组为2行3列 ''' ## 改变数组的形状 b = a.reshape(3,2) print(b) ''' [[1 2]  [3 4]  [5 6]]  将a数组的数据由2行3列变成3行2列得到b数组,但是a数组没有发生改变  ''' a.resize(3,2) print(a) ''' [[1 2]  [3 4]  [5 6]]  a数组由2行3列变成3行2列,此时,a数组的形状发生了改变  ''' ############## #数组切片操作 a = np.array([(1,2,3),(4,5,6)]) print(a) ''' [[1 2 3]  [4 5 6]]  ''' ##获取数组的第二行 print(a[1]) ''' [4 5 6] ''' ##获取数组的前两行 print(a[0:2]) ''' [[1 2 3]  [4 5 6]] ''' ##获取数组的前两列的值 print(a[:,[0,1]]) ''' [[1 2]  [4 5]]  ''' ##获取数组的第1行的前两列的值 print(a[0,[0,1]]) ''' [1 2] ''' ##遍历数组 for row in a:     print(row) ''' [1 2 3] [4 5 6] ''' ####################### ##数组拼接 a = np.array([1,2,3]) b = np.array([4,5,6]) #垂直方向的拼接 c = np.vstack((a,b)) print(c) ''' [[1 2 3]  [4 5 6]] ''' #竖直方向的拼接 d = np.hstack((a,b)) print(d) ''' [1 2 3 4 5 6] ''' ##################### ##数组的计算 a = np.array([1,2,3]) b = np.array([4,5,6]) #加法 c = a+b print(c) ''' [5 7 9] ''' #减法 d= a - b print(d) ''' [-3 -3 -3] ''' #乘法 e = a * b print(e) ''' [ 4 10 18] ''' #求和 f = np.array([(1,2,3),(4,5,6)]) print(f.sum()) ''' 21 ''' #按列求和 print(f.sum(axis=0)) ''' [5 7 9] ''' #按行求和 print(f.sum(axis=1)) ''' [ 6 15] ''' #最小值的值 print(f.min()) ''' 1 ''' #最小值的索引 print(f.argmin()) ''' 0 ''' #最大值的值 print(f.max()) ''' 6 ''' print(f.argmax()) ''' 5 ''' #平均值 print(f.mean()) ''' 3.5 ''' #方差 print(f.var()) ''' 2.9166666666666665 ''' #标准差 print(f.std()) ''' 1.707825127659933 ''' ############# # 线性代数的运算 #矩阵内积 np.dot() #行列式 np.linalg.det() # 逆矩阵 np.linalg.inv() #多元一次方程组求根 np.linalg.solve() #求特征值和特征向量 np.linalg.eig()

 

收藏 (0) 打赏

感谢您的支持,我会继续努力的!

打开/商品支付,即可进行扫码打赏哦,分享从这里开始,精彩与您同在
点赞 (0)

可以

常见问题

相关文章

评论
暂无评论
官方客服团队

为您解决烦忧 - 24小时在线 专业服务

我们将24小时内回复。
取消
python中的numpy的array数据类型有哪些-海报

分享本文封面