学院的网站建设的er图怎么画百度推广收费标准

目录

一.NumPy介绍

二.创建数组

 1.一维数组创建

2.二维数组创建

3.zeros函数

4.ones函数

5.empty函数

6.arange函数

三.NumPy的数学操作

1.基本运算

2.矩阵运算

3.ndarray类的方法

四.数组堆叠

五.数组分隔

---

一.NumPy介绍

        在这里对NumPy的介绍我不想扯太多，只要知道NumPy是python中法一个科学计算的基础包，它是一个python库，主要实现多维数组的操作。

        调用NumPy数组的类是ndarray，也称为array。这里我们着重学习一下ndarray以下几个属性：

• ndarray.ndim  数组轴的个数（维度)，称为rank
• ndarray.shape      数组的维度，例如：n行m列的矩阵，shape是(n,m)
• ndarray.size   数组元素的总数，等于shape中n和m的积
• ndarray.dtype    数组中元素类型的对象
• ndarray.itemsize   数组中每个元素的大小
• ndarray.data   该缓冲区中包含的实际元素

例如：

import numpy as npnumbers = np.arange(20).reshape(4, 5)
print(numbers.shape)  # 数组维度
print(numbers.ndim)  # 数组维度的个数
print(numbers.dtype.name)
print(numbers.size)  # 数组元素总数
print(numbers.itemsize)  # 数组的每个数组元素的字节大小
'''
(4, 5)
2
int64
20
8
'''

---

二.创建数组

 1.一维数组创建

import numpy as npnumber = np.array([1, 2,3, 4, 5, 6, 7, 8])  # 注意参数是列表
print(number)
'''
[1 2 3 4 5 6 7 8]
'''

2.二维数组创建

import numpy as npnumber = np.array([(1, 2, 3, 4, 5, 6, 7, 8),( 9, 8, 7, 6, 5, 4, 3, 2)])
print(number)
'''
[[1 2 3 4 5 6 7 8][9 8 7 6 5 4 3 2]]
'''

        多维数组就是在二维的基础上加

3.zeros函数

        zeros函数可以创建元素全为0的数组

import numpy as npnumber = np.zeros((4,5))
print(number)
'''
[[0. 0. 0. 0. 0.][0. 0. 0. 0. 0.][0. 0. 0. 0. 0.][0. 0. 0. 0. 0.]]
'''

4.ones函数

        ones函数跟上面的zeros函数一样，ones函数创建元素全为1的数组

import numpy as npnumber = np.ones((4,5))
print(number)
'''
[[1. 1. 1. 1. 1.][1. 1. 1. 1. 1.][1. 1. 1. 1. 1.][1. 1. 1. 1. 1.]]
'''

5.empty函数

        创建一个随机元素的数组

import numpy as npnumber = np.empty((4,5))
print(number)
'''
[[0.  0.  0.3 1.  0. ][0.  1.  1.  1.  1. ][1.  1.  1.  0.  0. ][1.  0.5 0.  0.  1. ]]
'''

6.arange函数

        arange函数和range函数类似，都是在规定范围内生成数

import numpy as npnumber = np.arange(1, 20, 2)
number1 =np.arange(20).reshape(4,5)
print(number)
print(number1)
'''
[ 1  3  5  7  9 11 13 15 17 19][[ 0  1  2  3  4][ 5  6  7  8  9][10 11 12 13 14][15 16 17 18 19]]
'''

---

三.NumPy的数学操作

1.基本运算

        数组也支持基本的数学操作

import numpy as npa = np.array([1, 9, 4, 7, 2])
b = np.array([3, 5, 2, 8, 3])
c = a + b
f = a - b
d = b * 5
e = a ** 2
print('a:{}\nb:{}\n加法：{}\n减法：{}\nb乘5：{}\na的平方：{}'.format(a, b, c, f, d, e))
'''
a:[1 9 4 7 2]
b:[3 5 2 8 3]
加法：[ 4 14  6 15  5]
减法：[-2  4  2 -1 -1]
b乘5：[15 25 10 40 15]
a的平方：[ 1 81 16 49  4]
'''

2.矩阵运算

        数组的乘法运算用*号，矩阵乘法可以用@或dot函数

import numpy as npa = np.array([1, 9, 4, 7, 2])
b = np.array([3, 5, 2, 8, 3])
print('乘法：{}\n矩阵乘法：{}或{}'.format(a*b,a@b,a.dot(b)))
'''
乘法：[ 3 45  8 56  6]
矩阵乘法：118或118
'''

3.ndarray类的方法

        ndarray类的几个方法，sum方法求元素和，min求元素最小值，max求元素最大值

import numpy as npa = np.array([1, 9, 4, 7, 2])
print('sum:{}\nmax:{}\nmin:{}'.format(a.sum(),a.max(),a.min()))
'''
sum:23
max:9
min:1
'''

---

四.数组堆叠

        数组的堆叠就是多个数组合成一个数组，其中，vstack()垂直堆叠，hstack()水平堆叠，column_stack将第一个数组按列堆叠到第二个数组中

import numpy as npa = np.array([1, 9, 4, 7, 2])
b = np.array([3, 4, 2, 6, 8])
print('vstack:\n{}\nhstack:\n{}\ncolumn_stack:\n{}'.format(np.vstack((a, b)), np.hstack((a, b)), np.column_stack((a, b))))
'''
vstack:
[[1 9 4 7 2][3 4 2 6 8]]
hstack:
[1 9 4 7 2 3 4 2 6 8]
column_stack:
[[1 3][9 4][4 2][7 6][2 8]]
'''

五.数组分隔

        hspalit()按列拆分(水平)，vspalit()按行拆分(垂直)，array_split()按要求拆分数组个数

hsplit(ary,indice_or_section) # 后一个参数表示拆分的轴vsplit(ary,indice_or_section)aray_split(ary,indices_or_section,axis=0) # axis表示拆分子数组的个数

import numpy as npa = np.arange(20)
b = np.arange(20).reshape(4, 5)
c = np.arange(20).reshape(4, 5)
print('按第二列拆分：{}'.format(np.hsplit(a, 2)))
print('按第二行拆分：{}'.format(np.vsplit(b, 2)))
print('拆分为2个子数组：{}'.format(np.array_split(c, 2)))
'''
按第二列拆分：[array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]), array([10, 11, 12, 13, 14, 15, 16, 17, 18, 19])]
按第二行拆分：[array([[0, 1, 2, 3, 4],[5, 6, 7, 8, 9]]), array([[10, 11, 12, 13, 14],[15, 16, 17, 18, 19]])]
拆分为2个子数组：[array([[0, 1, 2, 3, 4],[5, 6, 7, 8, 9]]), array([[10, 11, 12, 13, 14],[15, 16, 17, 18, 19]])]
'''