尧图建网站 尧图建网站 YAOTU WEB BUILD 免费咨询
ARTICLE DETAIL

资讯详情

深耕网站建设与建站编程的一线实战洞察。

02Numpy基础(上)

02Numpy基础(上) 安装虚拟环境//查看conda版本 conda -V //查看已有的虚拟环境 conda env list //创建虚拟环境 conda create -n env_name pythonx.x //指定位置创建虚拟环境 conda create --prefix D:/path/to/myenv python3.14 //删除虚拟环境 conda remove -n env_name --all //激活虚拟环境 conda activate env_name //关闭虚拟环境 conda deactivate安装numpy//conda虚拟环境安装 conda install numpy //pip安装 pip install numpy //验证推荐使用jupyter import numpy as np print(np.__version__) //jupyter设置中文 pip3 install jupyterlab-language-pack-zh-CN数组基础导入numpy库conda环境为例import numpy as np print(np.__version__)数据类型1.只需要知道数据类型分为整数型和浮点型数组2.使用语法np.array([1,2,3])3.print输出数组时逗号消失的好处一是避免与列表混淆二是输出结果逗号可以与小数点区分开4.同化定理当数组都是整数的时候那么插入一个小数就会被强行截断转化为整数当数组为浮点数的时候那么插入一个整数就会强行转化为浮点数import numpy as np arr2np.array([1,2,3]) arr2[0]1.2 print(arr2)5.共同改变定理整数型与浮点型相互转化界限严格但是如果全体共同改变那么就可以做到整数型与浮点型相互转化规定的方法是.astype()ndarray.astype(dtype, orderK, castingunsafe, subokTrue, copyTrue) #dtype指定目标类型import numpy as np #规定一个整数型 arr1np.array([1,2,3,4,5,6,7,8,9],dtypenp.int32) arr_floatarr1.astype(np.float32) print(arr_float)6.全体共同改变不只是通过上述np模块的astpye方法还有如下情况#整数型数组与浮点型数组做运算 #整数型数组遇到除法不论运算对象是不是整数都会转化为浮点型数组 #整数型数组与浮点数做运算 arrnp(arr10.0)7.整数型数组很好升级但是浮点型数组一般不会降级数组维度(有点绕)1.一维数组和二维数组一维数组一层中括号 [1,1,1]二维数组两层中括号 [[1,1,1]][[[1,1,1]]]2.有些函数需要传入数组的形状参数矩阵的形式注意维数就是我有几个方向numpy数组的某个轴指的是该数组的某个维度的方向其方向从索引号由底到高。许多numpy方法或函数在调用时常常需要指定一个关键参数“axisX”,它表示的是沿哪个轴的方向进行运算例如求均值方差等这里的X表示的是轴的索引号axis0表示轴0axis1表示轴1...,依此类推。一维数组有一个方向-默认按轴0方向列方向排列形状参数x或者x,x列二维数组形状参数x,y一个平面或者一个矩阵几行几列三维数组有三个方向-轴0轴1轴2形状参数x,y,z第一个数规定有几个平面类似于高后两个数规定每个平面如何组织几行几列numpy数组有几个基本属性如下可以帮助理解ndarray.ndim: 这个属性表示数组的轴数也就是维度的数量。例如一个一维数组的ndim为1二维数组的ndim为2以此类推。ndarray.shape: 这个属性返回一个元组表示数组在每个维度上的大小。对于一个n行m列的矩阵shape将是(n,m)。shape元组的长度就是数组的维度数即ndim。ndarray.size: 这个属性表示数组中元素的总数。它等于shape元组中所有元素的乘积import numpy as np #定义一个三维数组 arr2np.ones((3,3,3)) print(arr2)注意一下数组的维度通过中括号的数量后面有些函数比如数组的拼接需要两个数组是同维度不同维度数组之间的转换方法 .reshape(shape参数)注意1.不论一二维数组如何转换均要使用.reshape(shape参数)2.该方法神奇的是给定了其他维度的数值后剩下一个维度可以给-1让它自己去算。shape(10)一行十列-----shape(2,5)二行五列#一维数组转为二维数组 arr np.array([1,2,3,4,5,6,7,8,9,10])#(10) arr2arr.reshape(2,-1)#(2,5) print(arr2)注意现规定在本系列教程中一维数组称为向量二维数组称为矩阵
返回列表