学习Numpy基础操作

# coding:utf-8

import numpy as np
from numpy.linalg import *

def day1():
	‘‘‘
	ndarray
	:return:
	‘‘‘
	lst = [[1, 2, 3], [4, 5, 6]]
	print(type(lst))
	np_lst = np.array(lst)
	print(type(np_lst))

	np_lst = np.array(lst, dtype=np.float)
	# bool
	# int,int8,int16,int32,int64,int128
	# uint8,uint16,uint32,uint64,uint128
	# float,float8,float16,float32,float64
	# complex64/128

	print(np_lst.shape)
	print(np_lst.ndim)  # dimnation(维度)
	print(np_lst.dtype)
	print(np_lst.itemsize)  # Byte
	print(np_lst.size)  # 元素个数

def day2():
	‘‘‘
	Array
	:return:
	‘‘‘

	print(np.zeros([2, 4]))

	print(np.ones([3, 5]))

	print("Rand:")
	print(np.random.rand(2, 4))
	print(np.random.rand())
	print("RandInt:")
	print(np.random.randint(1, 10))
	print(np.random.randint(1, 10, 3))
	print("Randn:")
	print(np.random.randn(2, 4))
	print(‘Choice:‘)
	print(np.random.choice([10, 20, 30, 2, 5, 7]))
	print(‘Distribute:‘)
	print(np.random.beta(1, 10, 100))

def day3():
	‘‘‘
	Array Opes
	:return:
	‘‘‘

	print(np.arange(1, 11).reshape(2, 5))
	lst = np.arange(1, 11).reshape(2, 5)
	print(lst)
	print(np.exp(lst))
	print(np.exp2(lst))
	print(np.sqrt(lst))
	print(np.log(lst))

	print(‘...‘)
	lst = np.array([
		[[1, 2, 3, 4], [5, 6, 7, 8]],
		[[9, 10, 11, 12], [13, 14, 15, 16]],
		[[17, 18, 19, 20], [21, 22, 23, 24]]
	])
	print(‘axis=0‘)
	print(lst.sum(axis=0))
	print(lst.max(axis=0), lst.min(axis=0))
	print(‘axis=1‘)
	print(lst.sum(axis=1))
	print(lst.max(axis=0), lst.min(axis=0))
	print(‘...‘)
	lst1 = np.array([1, 2, 3, 4])
	lst2 = np.array([1, 2, 3, 4])
	print(lst1 + lst2)
	print(lst1 * lst2)
	print(lst1 / lst2)
	print(lst1 - lst2)
	print(lst1 ** 2)

	print(‘Dot‘)
	print(np.dot(lst1.reshape([2, 2]), lst2.reshape([2, 2])))
	print(‘Concatenate‘)
	print(np.concatenate((lst1, lst2), axis=0))
	print(np.vstack((lst1, lst2)))
	print(np.hstack((lst1, lst2)))
	print(np.split(lst1, 2))
	print(np.split(lst1, 4))
	print(np.copy(lst1))

def day4():
	‘‘‘
	linear
	:return:
	‘‘‘

	lst = np.array([[1, 2], [3, 4]])
	print(lst)
	print(inv(lst))  # 矩阵的逆矩阵
	print(lst.transpose())  # 转置矩阵
	print(det(lst))  # 行列式
	print(eig(lst))  # 特征值和特征向量
	y = np.array([[5, ], [7, ]])
	print(solve(lst, y))  # 解方程组

if __name__ == ‘__main__‘:
	pass
时间: 2024-11-06 10:06:02

学习Numpy基础操作的相关文章

科学计算库Numpy基础操作

pycharm,python3.7,numpy版本1.15.1 2018年9月11日04:23:06 """ 科学计算库Numpy基础操作 时间:2018\9\11 0011 """ import numpy print("""\n------以矩阵的方式读取数据------\n ------------genfromtxt函数('文件路径',delimiter = '分隔符',dtype = 读取方式)------

学习js基础操作总结

1. 打开页面:window.open(); 关闭页面:window.close(); 2. //定时器 有返回对象 返回的是这个定时器的对象 setInterval();//连环炸弹 间隔执行 setTimeout();//定时炸弹 延迟执行 //清理定时器 var sett = setTimeout(function(){ console.log("setTimeout定时器"); },3000); var sett1 = setInterval(function(){ conso

图像混合学习。运用加权函数,学习opencv基础操作

1 #include <opencv2/opencv.hpp> 2 #include <iostream> 3 using namespace std; 4 using namespace cv; 5 //----------------------融合函数——------- 6 bool ROI_Addimg() 7 { 8     Mat srcImage = imread("3.jpg"); 9     Mat logoImage = imread(&qu

Emacs学习心得之 基础操作

1.前言与学习计划2.Emacs基础操作 一. 前言与学习计划 本篇博文记录了Emacs的一些基础操作与概念,相关的阅读如下: (emacs tutorial 中文精简版 )    http://blog.chinaunix.net/uid-24386676-id-119687.html (emacs user's guide)  http://www.cbi.pku.edu.cn/chinese/documents/csdoc/emacs/ (学习Emacs系列教程 )  http://www

NumPy基础入门学习

对于习惯使用了MATLAB的用户而言,学习NumPy这个python工具包付出的成本应该是不大的. NumPy的主要的object是多维数组,是一个有相同类型的数字等构成的一张表格,可以通过元组进行索引.本篇主要列出NumPy中最常用的一些操作. 1,ndarray 类型的一些属性 >>> from numpy import * >>> a=array([[1,2,3],[4,5,6]]) >>> a array([[1, 2, 3], [4, 5,

[转]python与numpy基础

来源于:https://github.com/HanXiaoyang/python-and-numpy-tutorial/blob/master/python-numpy-tutorial.ipynb python与numpy基础 寒小阳(2016年6月) Python介绍 如果你问我没有编程基础,想学习一门语言,我一定会首推给你Python类似伪代码的书写方式,让你能够集中精力去解决问题,而不是花费大量的时间在开发和debug上同时得益于Numpy/Scipy这样的科学计算库,使得其有非常高效

Ant学习-001-ant 基础知识及windows环境配置

一.Ant 概要基础知识 Apache Ant 是一个将软件编译.测试.部署等步骤联系在一起加以自动化的一个工具,大多用于Java环境中的软件开发,用以构建应用,或结合其他开源测试工具例如 git.TestNG等搭建持续集成测试开发环境,从而高效.高质量的构建产品. Ant 有以下一些优点: 跨平台,可移植.Ant 是 Java 语言编写的,所以有很好的跨平台性和可移植性,无论是在 windows.Linux,还是 mac. 操作简单. Ant 是由一个内置任务和可选任务组成的,运行时需要一个构

Nio学习3——基础模型:Reactor模式和多路复用

Reactor模式和NIO 本文可看成是对Doug Lea Scalable IO in Java一文的翻译. 当前分布式计算 Web Services盛行天下,这些网络服务的底层都离不开对socket的操作.他们都有一个共同的结构: 1. Read request 2. Decode request 3. Process service 4. Encode reply 5. Send reply 经典的网络服务的设计如下图,在每个线程中完成对数据的处理: 但这种模式在用户负载增加时,性能将下降

hadoop学习笔记——基础知识及安装

1.核心 HDFS  分布式文件系统    主从结构,一个namenoe和多个datanode, 分别对应独立的物理机器 1) NameNode是主服务器,管理文件系统的命名空间和客户端对文件的访问操作.NameNode执行文件系统的命名空间操作,比如打开关闭重命名文件或者目录等,它也负责数据块到具体DataNode的映射 2)集群中的DataNode管理存储的数据.负责处理文件系统客户端的文件读写请求,并在NameNode的统一调度下进行数据块的创建删除和复制工作. 3)NameNode是所有