Python的numpy简单使用

news2025/1/20 6:16:10

1.可以调用引入numpy里面的函数,如add可以把俩数相加,也可以创建一个数组arr,arr.shape是数组arr的属性,如果后有跟()就是里面的一个函数

type()函数可以知道里面是什么类型

变量.shape可以知道这个变量是什么形状

np.array()可以创建一个数组

import numpy as np
a=1
b=2
c=np.add(a,b)
print(c)
import matplotlib.pyplot as plt
import pandas as pd
arr=np.array([1,2,3,4])

print(arr)
print(type(arr))

arr=np.array([[1,2,3,4,5],[2,3,4,5,6]])
print(arr)
print(type(arr))
print('数组的形状',arr.shape)#.是里面的属性,有()是函数

 

2.索引与切片

通过索引与切片可以访问数组里面的内容,arr[0]是数组第一个元素,arr[0:2]则是访问下标为0和下标为1的数组元素

arr=np.array([[1,2,3,4,5],[2,3,4,5,6]])
print(arr)
print(type(arr))
print('数组的形状',arr.shape)#.是里面的属性,有()是函数

#索引与切片
print(arr[0])
print(arr[0:2])

 

3. 数组的运算

1.把俩个列组直接进行拼接

2.创建俩个数组相加则就是对应位置直接相加

3.乘法也是对应的位置进行相乘

#运算
print([1,2,3]+[4,5,6])
print(np.array([1,2,3])+np.array([4,5,6]))
print(np.array([1,2,3])*np.array([4,5,6]))

 

 

4. 数组形状的操作

创建多维数组

reshape(x,y)是重组数组,x是重组后的新的行数  y是重组后新的列数

transpose是转置里面的内容 原本2 6就变成 6 2

#数组形状操作
arr=np.array([[1,2,3],[2,3,4],[3,4,5],[4,5,6]])
print(arr.shape)
new_arr=arr.reshape(2,6)
print(new_arr,"new arr",new_arr.shape)
new_arr1=new_arr.transpose()
print(new_arr1,'new arr1',new_arr1.shape)

 

 

 5.数组的点乘

创建俩个数组

np.dot(x,y) 把x和y进行点乘

4+10+18=32

#线性
arr1=np.array([1,2,3])
arr2=np.array([4,5,6])
arr1_dot_arr2=np.dot(arr1,arr2)
print(arr1_dot_arr2)

 

6.对数组的一些操作

 mean 可以得到数组的平均值

min 可以得到数组里面最小值

max 可以得到数组里面最大值

std  可以得到数组的标准差

sort 对数组进行排序

reshape(-1) 可以把多维数组变成一个一行的数组

sum  可以得到数组元素的和

arr>某个数  就会把数组里面全部元素与这个数进行对比 若大就会变成True  小就False 可以起到筛选的作用

and的是需要左右俩边都是单个的才可以  而俩边都是一个多维数组是不行的 所以使用&

arr=np.array([[1,2,3],[4,5,6],[7,8,9]])
print("数组平均值",arr.mean())
print(np.mean(arr))
print("min",arr.min())
print("数组的标准差",arr.std())
print("数组的排序",np.sort(arr.reshape(-1)))#numpy 的函数 reshape(-1)可以把数组变成一行
print("去和",arr.sum())
print(arr>10)#筛选
# print(arr[arr<3 and arr>2])  错的 不是单个的true 和false
print(arr[(arr>2) & (arr<3)])

 

 

 7.数据的保存和导入

save 把arr保存到“arr”文件里

load(文件名) 把arr取出来给arr1

# arr=np.array([[1,2,3],[4,5,6],[7,8,9]])
# print("数组平均值",arr.mean())
# print("数组的评价值",np.mean(arr))
# print("min",arr.min())
# print("数组的标准差",arr.std())
# print("数组的排序",np.sort(arr.reshape(-1)))#numpy 的函数 reshape(-1)可以把数组变成一行
# print("求和",arr.sum())
# print("数组的筛选",arr>10)#筛选
# # print(arr[arr<3 and arr>2])  错的 不是单个的true 和false
# print(arr[(arr>2) & (arr<3)])
# #
# #数据保存和导入
#
# np.save("arr",arr)
# print(arr)#前面注释调也可以打印出来

import numpy as np
arr1=np.load("arr.npy")
print(arr1)

用with结构可以不用在写关闭文件的函数,因为这个会自动关闭

as 后面是文件名字

这里是每次遇到偶数就count+1 然后在文件里把num以字符串形式写进去

当count为10的时候就会写入‘\n’进行跳到下一行 

with open(file="prit.txt",mode="w") as file:
    count=0
    for num in range(2,100):
        if num%2==0:
            print(num)
            count+=1
            file.write(str(num)+',')
            if count%10==0:
                file.write("\n")

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1880631.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

这些并发编程技术你都知道吗?

与其碌碌无为&#xff0c;不如兴风作浪。 虽然不是所有的系统都需要很多的并发编程技术&#xff0c;但是掌握常见的高并发秘籍&#xff0c;便能让我们的系统快起来&#xff0c;面对访问量的剧增从容应对。 接下来&#xff0c;为我们一起来看看常见的高并发技术有哪些。总结起来…

NAS教程丨铁威马如何登录 SSH终端?

适用型号&#xff1a; 所有TNAS 型号 如您有特殊操作需要通过 SSH 终端登录 TNAS&#xff0c;请参照以下指引&#xff1a; (注意: 关于以下操作步骤中的"cd /"的指令,其作用是使当前 SSH/Telnet 连接的位置切换到根目录,以免造成对卷的占用.请不要遗漏它.) Windows…

Django 对模型创建的两表插入数据

1&#xff0c;添加模型 Test/app8/models.py from django.db import modelsclass User(models.Model):username models.CharField(max_length50, uniqueTrue)email models.EmailField(uniqueTrue)password models.CharField(max_length128) # 使用哈希存储密码first_name …

Excel 数据筛选难题解决

人不走空 &#x1f308;个人主页&#xff1a;人不走空 &#x1f496;系列专栏&#xff1a;算法专题 ⏰诗词歌赋&#xff1a;斯是陋室&#xff0c;惟吾德馨 目录 &#x1f308;个人主页&#xff1a;人不走空 &#x1f496;系列专栏&#xff1a;算法专题 ⏰诗词歌…

leetCode.98. 验证二叉搜索树

leetCode.98. 验证二叉搜索树 题目描述 代码 /*** Definition for a binary tree node.* struct TreeNode {* int val;* TreeNode *left;* TreeNode *right;* TreeNode() : val(0), left(nullptr), right(nullptr) {}* TreeNode(int x) : val(x), left(n…

Spring 动态增强逻辑执行分析

1、假如UserService中存在被增强的public 普通方法&#xff0c;那么spring ioc时就会创建对应的代理对象放置到容器中&#xff1b; 2、那么Controller中注入的userService就是代理对象&#xff1b; Service public class UserService {Transactionalpublic void f2(String us…

理解GPT2:无监督学习的多任务语言模型

目录 一、背景与动机 二、卖点与创新 三、几个问题 四、具体是如何做的 1、更多、优质的数据&#xff0c;更大的模型 2、大数据量&#xff0c;大模型使得zero-shot成为可能 3、使用prompt做下游任务 五、一些资料 一、背景与动机 基于 Transformer 解码器的 GPT-1 证明…

WDG看门狗

1 WDG 1.1 简介 WDG是看门狗定时器&#xff08;Watchdog Timer&#xff09;的缩写&#xff0c;它是一种用于计算机和嵌入式系统中的定时器&#xff0c;用来检测和恢复系统故障。 看门狗就像是一个忠诚的宠物狗&#xff0c;它时刻盯着你的程序&#xff0c;确保它们正常运行。…

WordPress中文网址导航栏主题风格模版HaoWa

模板介绍 WordPress响应式网站中文网址导航栏主题风格模版HaoWa1.3.1源码 HaoWA主题风格除行为主体导航栏目录外&#xff0c;对主题风格需要的小控制模块都开展了敞开式的HTML在线编辑器方式的作用配备&#xff0c;另外预埋出默认设置的编码构造&#xff0c;便捷大伙儿在目前…

python解锁图片相似度的神奇力量

在这个信息爆炸的时代,图片成为了我们传递信息、表达情感和记录生活的重要方式。然而,面对海量的图片资源,如何快速准确地找到相似的图片,成为了一个亟待解决的问题。现在,让我们为您揭开图片相似度的神秘面纱,带您领略这一创新技术的魅力! 图片相似度技术,就像是一位…

一文弄懂DBSCAN聚类算法

1.引言 今天&#xff0c;我们将讨论另一种聚类算法 DBSCAN&#xff08;基于密度的带噪声应用空间聚类&#xff09;。为了更好地理解 DBSCAN&#xff0c;请先阅读之前介绍的 K-Means 和 分层聚类这两篇文章。 顾名思义&#xff0c;DBSCAN 是通过点的密度来识别聚类集群。聚类通…

AI写作变现指南:从项目启动到精通

项目启动 1. 确定目标客户群体 首先&#xff0c;明确谁是我们的目标客户。以下是一些潜在的客户群体&#xff1a; 大学生&#xff1a;他们需要写论文、报告、演讲稿等。 职场人士&#xff1a;包括需要撰写商业计划书、市场分析报告、项目提案等的专业人士。 自媒体从业者&…

《昇思25天学习打卡营第14天 | 昇思MindSpore基于MindNLP+MusicGen生成自己的个性化音乐》

14天 本节学了基于MindNLPMusicGen生成自己的个性化音乐。 MusicGen是来自Meta AI的Jade Copet等人提出的基于单个语言模型的音乐生成模型&#xff0c;能够根据文本描述或音频提示生成高质量的音乐样本。 MusicGen模型基于Transformer结构&#xff0c;可以分解为三个不同的阶段…

基于STM32的智能农业环境监控系统

目录 引言环境准备智能农业环境监控系统基础代码实现&#xff1a;实现智能农业环境监控系统 4.1 数据采集模块4.2 数据处理与分析4.3 控制系统实现4.4 用户界面与数据可视化应用场景&#xff1a;农业环境管理与优化问题解决方案与优化收尾与总结 1. 引言 智能农业环境监控系…

java基础知识点全集

JAVA的所有知识点 一、基础的数组、数据类型、输入输出二、类与对象1. 三大特征&#xff08;1&#xff09; 封装&#xff08;2&#xff09;继承&#xff08;3&#xff09;多态 2. 类的实例化&#xff08;1&#xff09; 类通过NEW来创建&#xff08;2&#xff09; 类的继承&…

Vue3学习(一)

创建组件实例&#xff1a;我们传入 createApp 的对象实际上是一个组件 import { createApp } from vue // 从一个单文件组件中导入根组件 import App from ./App.vueconst app createApp(App) 大多数真实的应用都是由一棵嵌套的、可重用的组件树组成的。 App (root compone…

贪心算法题目总结

1. 整数替换 看到这道题目&#xff0c;我们首先能想到的方法就应该是递归解法&#xff0c;我们来画个图 此时我们出现了重复的子问题&#xff0c;就可以使用递归&#xff0c;只要我们遇到偶数&#xff0c;直接将n除以2递归下去&#xff0c;如果是奇数&#xff0c;选出加1和减1中…

MySQL 高级SQL高级语句(二)

一.CREATE VIEW 视图 可以被当作是虚拟表或存储查询。 视图跟表格的不同是&#xff0c;表格中有实际储存数据记录&#xff0c;而视图是建立在表格之上的一个架构&#xff0c;它本身并不实际储存数据记录。 临时表在用户退出或同数据库的连接断开后就自动消失了&#xff0c;而…

模型预测控制:设定点跟踪(Set Point Tracking)

模型预测控制&#xff1a;设定点跟踪&#xff08;Set Point Tracking&#xff09; 模型预测控制&#xff08;Model Predictive Control, MPC&#xff09;不仅可以用于系统稳定性问题&#xff0c;还可以用于设定点跟踪问题&#xff08;Set Point Tracking&#xff09;&#xff…

13_旷视轻量化网络--ShuffleNet V2

回顾一下ShuffleNetV1:08_旷视轻量化网络--ShuffleNet V1-CSDN博客 1.1 简介 ShuffleNet V2是在2018年由旷视科技的研究团队提出的一种深度学习模型&#xff0c;主要用于图像分类和目标检测等计算机视觉任务。它是ShuffleNet V1的后续版本&#xff0c;重点在于提供更高效的模…