Numpy从入门到精通——存读矩阵以及读取矩阵中的数据

news2024/11/14 17:01:08

这个专栏名为《Numpy从入门到精通》,顾名思义,是记录自己学习numpy的学习过程,也方便自己之后复盘!为深度学习的进一步学习奠定基础!希望能给大家带来帮助,爱睡觉的咋祝您生活愉快! 这一篇介绍《Numpy从入门到精通——存读矩阵以及读取矩阵中的数据

在这里插入图片描述

文章目录

  • 一、利用savetxt、loadtxt存读矩阵
  • 二、读取维度为1的矩阵数据
    • 2.1 获取指定位置的数据
    • 2.2截取一段数据
    • 2.3间隔取数据
    • 2.4倒序取数
  • 三、读取多维矩阵数据
    • 3.1截取一个多维数组的一个区域内数据
    • 3.2截取一个多维数组中,数值在一个值域之内的数据
    • 3.3指定的行截取多维数组
    • 3.4指定的列截取多维数组
  • 四、choice函数抽取数据

一、利用savetxt、loadtxt存读矩阵

在np中也提供了能直接将矩阵存储成txt文件的函数,以及将txt文件读取成为矩阵的函数loadtxt,下面我们将详细介绍这两个函数:

函数说明
savetxt将np.ndarray存储在txt文件中
loadtxttxt文件中的矩阵读取到np.ndarray中

通过savetxt存储矩阵,通过loadtxt读取矩阵:

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
"""
@Project :numpy学习 
@File    :task_8.py
@IDE     :PyCharm 
@Author  :咋
@Date    :2023/4/17 16:45 
"""
import numpy as np
array_1 = np.random.random([5,5]) # 创建一个5x5的矩阵
print(array_1)
# 保存矩阵
np.savetxt(X=array_1,fname="test.txt")
array_2= np.loadtxt("test.txt")
print(array_2)

输出为:

[[0.55288088 0.77184344 0.8309328  0.55396012 0.62182447]
 [0.76018218 0.75927817 0.6210175  0.35243527 0.23502823]
 [0.80056504 0.33167949 0.21276266 0.28230738 0.93320109]
 [0.28639089 0.78890919 0.42325923 0.3815833  0.71751376]
 [0.72839721 0.45384038 0.4945789  0.36863601 0.21875081]]
[[0.55288088 0.77184344 0.8309328  0.55396012 0.62182447]
 [0.76018218 0.75927817 0.6210175  0.35243527 0.23502823]
 [0.80056504 0.33167949 0.21276266 0.28230738 0.93320109]
 [0.28639089 0.78890919 0.42325923 0.3815833  0.71751376]
 [0.72839721 0.45384038 0.4945789  0.36863601 0.21875081]]

txt中的文件为:

在这里插入图片描述

可以看到np能够成功将矩阵存储到txt文件中,也能够将txt中的文件读取到程序中。

二、读取维度为1的矩阵数据

在上一篇中,我们主要介绍了np生成矩阵,当生成了矩阵之后,我们应该怎么去读取我们需要的数据呢?接下来通过一段代码介绍一下几种常用的获取ndarray中的数据的方法:
创建一个维度为1的矩阵,用于后面的实验:

@Project :numpy学习 
@File    :task_9.py
@IDE     :PyCharm 
@Author  :咋
@Date2023/4/17 17:04 
"""
import numpy as np
np.random.seed(2023)
array_1 = np.random.random([10])
print(array_1)

输出:

[0.3219883  0.89042245 0.58805226 0.12659609 0.14134122 0.46789559
 0.02208966 0.72727471 0.52438734 0.54493524]

2.1 获取指定位置的数据

#获取指定位置的数据,获取第4个元素
print(array_1[3])

输出:

0.12659609350429124

2.2截取一段数据

print(array_1[3:6])

输出:

[0.12659609 0.14134122 0.46789559]

2.3间隔取数据

#截取固定间隔数据
print(array_1[1:6:2])

输出:

[0.89042245 0.12659609 0.46789559]

2.4倒序取数

#倒序取数
print(array_1[::-2])

输出:

[0.54493524 0.72727471 0.46789559 0.12659609 0.89042245]

三、读取多维矩阵数据

我们以维度为2的矩阵举例,其他高维矩阵也是类似的,首先创建一个维度为2的矩阵用以后面的实验:

array_2=np.arange(25).reshape([5, 5])
print(array_2)

输出:

[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]
 [20 21 22 23 24]]

3.1截取一个多维数组的一个区域内数据

print(array_2[1:3, 1:3])

输出:

[[ 6  7]
 [11 12]]

3.2截取一个多维数组中,数值在一个值域之内的数据

print(array_2[(array_2 > 3) & (array_2 < 10)])

输出:

[4 5 6 7 8 9]

3.3指定的行截取多维数组

print(array_2[[1, 2]])

输出:

[[ 5  6  7  8  9]
 [10 11 12 13 14]]

3.4指定的列截取多维数组

print(array_2[:, 1:3])

输出:

[[ 1  2]
 [ 6  7]
 [11 12]
 [16 17]
 [21 22]]

这个索引与python里面的range所有非常相似,由start,end和step组成,注意end不包括

四、choice函数抽取数据

除了用上述办法通过索引来提取元素,我们还可以通过choice函数来从目标矩阵中随机提取数据:

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
"""
@Project :numpy学习 
@File    :task_10.py
@IDE     :PyCharm 
@Author  :咋
@Date    :2023/4/17 17:29 
"""
import numpy as np
from numpy import random as nr
a = np.arange(1, 25, dtype=float)
c1 = nr.choice(a, size=(3, 4))  # size指定输出数组形状
c2 = nr.choice(a, size=(3, 4), replace=False)  # replace默认为True,即可重复抽取。
# 下式中参数p指定每个元素对应的抽取概率,默认为每个元素被抽取的概率相同。
c3 = nr.choice(a, size=(3, 4), p=a / np.sum(a))
print("随机可重复抽取")
print(c1)
print("随机但不重复抽取")
print(c2)
print("随机但按制度概率抽取")
print(c3)

输出:

D:\anaconda\python.exe D:/桌面/numpy学习/task_10.py
300.0
随机可重复抽取
[[14. 22. 20. 11.]
 [ 6. 18. 15. 21.]
 [ 3. 19. 23.  3.]]
随机但不重复抽取
[[ 6. 17. 13. 24.]
 [ 5. 20. 19. 12.]
 [10.  2. 21. 23.]]
随机但按制度概率抽取
[[19. 18. 24. 11.]
 [ 5.  7. 11. 20.]
 [10. 15. 16. 20.]]

前两个都好解释,size是抽取的矩阵大小,replace是能不能重复抽取,我们重点说一下参数p,也就是抽取的概率。这里 p=a / np.sum(a),也就是数值越大,抽到的概率越高。
在这里插入图片描述

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/456562.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

c#期末复习题重点难点题

2. (单选题, 9分)在.NET中&#xff0c;.NET Framework由&#xff08; &#xff09;组成。 A. FCL和CLR -开发库和运行环境B. ADO.NETASP.NET -数据操作和web框架C. CLS和CTS -语法规范和类型规范 即所有语言和语法规范 和 各语言间的类型互操作性规范D. Winform和ASP.NET…

2023前端面试上岸手册——JavaScript部分

目录 JavaScript 有哪些数据类型&#xff0c;它们的区别&#xff1f;数据类型检测的方式有哪些null 和undefined 区别如何获取安全的 undefined 值&#xff1f;Object.is() 与比较操作符 “两等” 、“三等” 的区别&#xff1f;什么是 JavaScript 中的包装类型&#xff1f;为什…

盘点:这些好用的ERP软件你知道哪些?

在选择ERP系统时&#xff0c;我们可以按照这三个维度&#xff0c;然后再按照需求去选择ERP系统。 市面上ERP软件大概可以分为三大类&#xff1a; ① 标准ERP应用&#xff1a;功能比较固定&#xff0c;难以满足个性化需求&#xff0c;二次开发难度很高&#xff1b; ② 找外包/…

校企合作 | 璞华×中南财经政法大学,共建教学实习(就业实践)基地

4月17日&#xff0c;璞华集团与中南财经政法大学举行校外教学实习基地签约及挂牌仪式&#xff0c;揭开校企产学研合作序幕。 中南财经政法大学统计与数学学院院长张虎先生、统计与数学学院党委书记&副院长梁娜女士、统计与数学学院院党委副书记&纪委书记王瑄女士、外国…

酒店行业,BI分析关注哪些指标

酒店作为企业商旅系统中相关酒店业务实现的基础核心部分&#xff0c;会接入大量不同类型的供应商&#xff0c;从这些供应商拉取大量的酒店数据&#xff0c;并对这些数据进行整合。 信息化建设确实帮助酒店行业提高了管理水平&#xff0c;更好地实现资源共享。但同时管理需求日…

自然语言处理基本任务综述

文章目录 1.多语言分词2.词性标注3.命名实体识别4.中心词提取5.依存句法分析6.文本纠错7.文本摘要8.文本相似度9.情感分析10.文本分类11.词向量 1.多语言分词 ​ 在自然语言处理中&#xff0c;分词&#xff08;Tokenization&#xff09;是指将自然语言文本中的连续字符序列划分…

前端性能优化点--防抖节流

防抖debounce 防抖函数指的是某个函数在某段时间内&#xff0c;无论触发了多少次回调&#xff0c;都只执行最后一次。 假如我们设置了一个等待时间 3 秒的函数&#xff0c;在这 3 秒内如果遇到函数调用请求就重新计时 3 秒&#xff0c;直至新的 3 秒内没有函数调用请求&#x…

关于package.json中版本锁定的方法和问题解决

前置知识&#xff1a;先了解一下package.json和package-lock.json的关系和区别&#xff0c;请看这篇文章 然后我们来说一下改怎么锁定版本&#xff1f; 首先肯定是要把package.json中的 ^ 这个符号去掉&#xff0c;但是如果你只去掉package.json中的 ^那就太天真了&#xff0…

ESP32的VSPI和HSPI

说明 SPI共有4根线&#xff0c;MOSI、MISO、CS、CLK&#xff0c;在ESP32中对应规则如下表&#xff1a; ESP32共有4个SPI&#xff0c;但是用户能够使用的只有2个SPI&#xff0c;分为VSPI和HSPI。 引脚接口 在ESP32的数据手册中&#xff0c;说明了VSPI和HSPI对应的引脚&…

薪资结构重铸: Zebec将业务范围扩大到Web2薪资管理领域

通过收购美国支付公司PayBridge&#xff0c;Zebec的流支付技术正在扩展到企业级薪酬发放平台。 近日&#xff0c;流支付协议Zebec Protocol宣布&#xff0c;其通过美国投资机构Payroll Growth Partners&#xff08;PGP&#xff09;收购了Web2薪酬管理公司PayBridge。PayBridge总…

和月薪5W的阿里程序员聊过后,才知道自己一直在打杂...

前几天和一个朋友聊面试&#xff0c;他说上个月同时拿到了腾讯和阿里的offer&#xff0c;最后选择了阿里。 阿里内部将员工一共分为了14个等级&#xff0c;P6是资深工程师&#xff0c;P7是技术专家。 其中P6和P7就是一个分水岭了&#xff0c;P6是最接近P7的不持股员工&#x…

完整的生产车间管理流程是怎样的?六大步骤分享

阅读本文您将了解&#xff1a;1.生产车间管理的特征&#xff1b;2.生产车间管理流程具体步骤&#xff1b;3.生产车间管理流程规范的重要性。 一、生产车间管理的特征 车间管理是指对车间所从事的各项生产经营活动进行计划、组织、指挥、协调和控制的一系列管理工作。生产车间…

FE_TA不知道的CSS 换行系列【2】word-break word-wrap

从这个名字可以知道&#xff0c;这个属性是控制单词如何被拆分换行的。它有三个值&#xff1a;normal | break-all | keep-all。 1 word-break:keep-all 所有“单词”一律不拆分换行&#xff0c;注意&#xff0c;我这里的“单词”包括连续的中文字符&#xff08;还有日文、韩…

Web 学习笔记 - 网络安全

前言 Web 安全方面的基本知识是有很必要的&#xff0c;未必就要深入理解。本文主要介绍常见的网络攻击类型&#xff0c;不作深入探讨。 正文 网络攻击的形式种类繁多&#xff0c;从简单的网站敏感文件扫描、弱口令暴力破解&#xff0c;到 SQL 注入&#xff0c;再到复杂的网络…

2023-04-24 Nginx基本使用

Nginx 文章目录 Nginx1.Nginx安装2.Nginx命令3.静态资源3.2 解决403问题3.3 root与alias区别 4.反向代理/负载均衡4.1 正向代理4.2 反向代理4.3 负载均衡策略 5.动静分离 1.Nginx安装 1.上传解压Nginx压缩包 2.先安装所需依赖包 yum -y install pcre-develyum -y install ope…

Flink+Pulsar、Kafka问题分析及方案

背景 消息队列如Kafka、Pulsar利用事务特性所提供的exactly once语义&#xff0c;只能在特定使用场景 consume-transform-produce 下保证&#xff0c;即一个事务同时包含了生产和消费&#xff0c;利用事务的原子性&#xff0c;事务中的操作包含sink端的生产和source端的offset提…

从STL的视角,了解下Map、Set、Tuple和Initializer_List的区别

&#x1f4d6;作者介绍&#xff1a;22级树莓人&#xff08;计算机专业&#xff09;&#xff0c;热爱编程&#xff1c;目前在c&#xff0b;&#xff0b;阶段>——目标Windows&#xff0c;MySQL&#xff0c;Qt&#xff0c;数据结构与算法&#xff0c;Linux&#xff0c;多线程&…

React-Native启动页

本文将从 Android 和 IOS 两端分别详细介绍APP是如何设置名称、图标以及启动页的。 首先我们到 图标工厂 上传一张 1024x1024 的图标&#xff0c;然后一键生成所有尺寸的图标&#xff0c;下载下来供两端使用。 IOS端 设置名称 在 Xcode 中点击你的项目修改右侧 Display Name …

深入浅出MySQL——MySQL基础

文章目录 数据库基础数据库概念主流数据库服务器&#xff0c;数据库&#xff0c;表关系基本使用MySQL架构SQL语句分类存储引擎 库的操作创建数据库创建数据库案例字符集和校验规则操纵数据库 表的操作创建表查看表结构修改表删除表 数据类型数据类型分类数值类型字符串类型 表的…

【华为机考】专题突破 第一周:单调栈 739 、503 、901、84

刷题顺序参考于 《2023华为机考刷题指南&#xff1a;八周机考速通车》 前言 单调栈&#xff1a;分为单调递增和单调递减栈。(栈内元素成递增或者递减性)&#xff1a; 单调递增栈&#xff1a;从栈底到栈顶数据是从大到小&#xff0c;即 栈内的元素从栈顶 到栈底 是递增的&#x…