当前位置：首页 > news >正文

thinkphp旅游网站源码自己的网站

news 2025/7/9 15:15:37

thinkphp旅游网站源码,自己的网站,佳木斯网站建设公司,做网站香港行不行Numpy知识点回顾与学习什么是Numpy？ Numpy使用Python进行科学计算的基础包。因为机器学习当中很多都会用到数组、线性代数等知识，经常需要和数组打交道，所以Numpy学习成为了科研之路上必须掌握的一门技能。Numpy包含以下的内容&#xff1a…

Numpy知识点回顾与学习

什么是Numpy？

Numpy使用Python进行科学计算的基础包。因为机器学习当中很多都会用到数组、线性代数等知识，经常需要和数组打交道，所以Numpy学习成为了科研之路上必须掌握的一门技能。Numpy包含以下的内容：

一个强大的N维数组对象，可以通过这个对象进行矩阵的运算。
复杂的（广播）功能。
用于集成C/C++代码的工具。
有用的线性代数，傅里叶变换和随机数功能。
可以作为**通用数据的高校多维容器，定义任意的数据类型。**可以与各种数据库集成。

Numpy数据类型

Numpy支持比Python更多的数据类型。

比如：

5种基本数字类型：布尔型（bool），整数（int),无符号整数（uint），浮点数和复数。
8位长、16位长、32位长、64位长的整型数字和无符好整型数字

Numpy创建数组

numpy.array([需要的数组])
numpy.empty(shape,dtype=float,order=‘C’)
- shape为数组形状，例如[3,2]
- dtype为数据类型，为可选
- order为内存中存储元素的顺序，有’c’和‘f’两种方式,代表行优先和列优先。
numpy.zeros(shape,dtype,order=‘C’)
- 创建指定形状的数组，数组元素以0来填充
numpy.ones(shape,dtype,order=‘C’)
- 创建指定形状的数组，数组元素以1来填充
numpy.zeros_like()
- 创建与某个数组形状相同的数组，所有元素为0
numpy.ones_like()
- 创建与某个数组形状相同的数组，所有元素为1
numpy.asarray()
- 创建数组，可以将列表、元组转化为数组
numpy.arange(start,stop,step,dtype)
- 根据起始和终止设置范围，step设置为步长，生成ndarray
numpy.linespace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)
- 根据样本的起始和终止位置，以及样本数，设置是否包含stop的值，retstep为间距，为等差数列
numpy.logspace(start,stop,num,endpoint,base,dtype)
- 基本同linespace，base是指去对数的时候log的下标。创建一个等比数列

#创建数组的各种方法
print(np.array([[1,2,3],[4,5,6]])) 
print(np.arange(10,20,2)) 
a = [(1,2,3),(4,5,6)] 
print(np.asarray(a)) 
print(np.ones((4,3),int,'c')) print(np.linspace(10,20,5,False,True,float)) print(np.logspace(0,9,10,True,base=2))

## Numpy的切片和索引

Numpy对象的内容可以通过索引和切片用来访问和修改，与Python中list的切片一样。

切面与索引举例：

#单维数组 
a = np.arange(10) 
print(slice(2,7,2)) 
print(a[2:7:2]) 
print(a[2:])  #多维数组 
a = np.array([[1,2,3],[3,4,5],[4,5,6]]) 
print(a[1:])            #输出第二行和第三行 
print(a[...,1])         #第二列元素 
print(a[1,...])         #第二行元素 
print(a[...,1:])        #第二列以及后面的所有元素

高级索引

整数数组索引

一个数组访问另外一个数组，这个数组中的元素都是目标数组的某个维度的索引值。

import numpy as np    
x = np.array([[1,  2],  [3,  4],  [5,  6]])  
y = x[[0,1,2],  [0,1,0]]   
#访问（0，0），（1,1,），（2,0）这三个位置的元素
print (y)

布尔索引

通过布尔运算，来获取符合指定条件的元素的数组。

x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])  
print(x[x>5])a = np.array([np.nan,  1,2,np.nan,3,4,5])   
print (a[~np.isnan(a)])a = np.array([1,  2+6j,  5,  3.5+5j])   
print (a[np.iscomplex(a)])

花式索引
- 花式索引指的是利用整数数组进行索引。 **花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。**花式索引跟切片不一样，它总是将数据复制到新数组中。
```
x=np.arange(32).reshape((8,4)) 
print(x) 
# 二维数组读取指定下标对应的行 
print("-------读取下标对应的行-------") 
print (x[[4,2,1,7]])
```

Numpy广播

广播（Broadcast)是numpy对不同形状的数组进行数值计算的方式。

#如果两个数组 a 和 b 形状相同，即满足 a.shape == b.shape，那么 a*b 的结果就是 a 与 b 数组对应位相乘。这要求维数相同，且各维度的长度相同。
a = np.array([1,2,3,4])  
b = np.array([10,20,30,40])  
c = a * b  
print (c)
#当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制
a = np.array([[ 0, 0, 0],            [10,10,10],            [20,20,20],            [30,30,30]]) 
b = np.array([0,1,2]) 
print(a + b)
"""
输出结果为：
[[ 0  1  2]  
[10 11 12]  
[20 21 22]  
[30 31 32]]
"""