numpy基础代码操练

In [20]: b[0,:,1]
Out[20]: array([1, 5, 9])

In [21]: b[0,:,1]
Out[21]: array([1, 5, 9])

In [22]: b[0,:,-1]
Out[22]: array([ 3,  7, 11])

In [23]: b[0,::-1, -1]
Out[23]: array([11,  7,  3])

In [24]: b[0,::-2, -1]
Out[24]: array([11,  3])

In [25]: b[::-1]
Out[25]:
array([[[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]],

       [[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]]])

In [26]: b
Out[26]:
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

In [27]: b.ravel()
Out[27]:
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])

In [28]: b.flatten()
Out[28]:
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])

In [29]: b.shape = (6,4)

In [30]: b
Out[30]:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15],
       [16, 17, 18, 19],
       [20, 21, 22, 23]])

In [31]: b.transpose()
Out[31]:
array([[ 0,  4,  8, 12, 16, 20],
       [ 1,  5,  9, 13, 17, 21],
       [ 2,  6, 10, 14, 18, 22],
       [ 3,  7, 11, 15, 19, 23]])

In [32]: b.resize(2,12))
  File "<ipython-input-32-91b83b9b6cad>", line 1
    b.resize(2,12))
                  ^
SyntaxError: invalid syntax

In [33]: b.resize((2,12))

In [34]: b
Out[34]:
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23]])

In [35]: a = arange(3).reshape(3,3)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-35-0863ec9f918e> in <module>()
----> 1 a = arange(3).reshape(3,3)

ValueError: cannot reshape array of size 3 into shape (3,3)

In [36]: a = arange(9).reshape(3,3)

In [37]: a
Out[37]:
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

In [38]: b = 2 * a

In [39]: b
Out[39]:
array([[ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])

In [40]: hstack((a,b))
Out[40]:
array([[ 0,  1,  2,  0,  2,  4],
       [ 3,  4,  5,  6,  8, 10],
       [ 6,  7,  8, 12, 14, 16]])

In [41]: concatenate((a,b), axis=1)
Out[41]:
array([[ 0,  1,  2,  0,  2,  4],
       [ 3,  4,  5,  6,  8, 10],
       [ 6,  7,  8, 12, 14, 16]])

In [42]: vstack((a,b))
Out[42]:
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])

In [43]: concatenate((a,b), axis=0)
Out[43]:
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])

In [44]: dstack((a,b))
Out[44]:
array([[[ 0,  0],
        [ 1,  2],
        [ 2,  4]],

       [[ 3,  6],
        [ 4,  8],
        [ 5, 10]],

       [[ 6, 12],
        [ 7, 14],
        [ 8, 16]]])

In [45]: a
Out[45]:
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

In [46]: hsplit(a, 3)
Out[46]:
[array([[0],
        [3],
        [6]]), array([[1],
        [4],
        [7]]), array([[2],
        [5],
        [8]])]

In [47]: hsplit(a, 3)
Out[47]:
[array([[0],
        [3],
        [6]]), array([[1],
        [4],
        [7]]), array([[2],
        [5],
        [8]])]

In [48]: split(a, 3, axis=1)
Out[48]:
[array([[0],
        [3],
        [6]]), array([[1],
        [4],
        [7]]), array([[2],
        [5],
        [8]])]

In [49]: vsplit(a, 3)
Out[49]: [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]

In [50]: split(a, 3, axis=0)
Out[50]: [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]

In [51]: c = arange(27).reshape(3, 3, 3)

In [52]: c
Out[52]:
array([[[ 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, 25, 26]]])

In [53]: dsplit(c,3)
Out[53]:
[array([[[ 0],
         [ 3],
         [ 6]],

        [[ 9],
         [12],
         [15]],

        [[18],
         [21],
         [24]]]), array([[[ 1],
         [ 4],
         [ 7]],

        [[10],
         [13],
         [16]],

        [[19],
         [22],
         [25]]]), array([[[ 2],
         [ 5],
         [ 8]],

        [[11],
         [14],
         [17]],

        [[20],
         [23],
         [26]]])]

In [54]: b
Out[54]:
array([[ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])

In [55]: b
Out[55]:
array([[ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])

In [56]: b.ndim
Out[56]: 2

In [57]: b.size
Out[57]: 9

In [58]: b.itemsize
Out[58]: 4

In [59]: b.nbytes
Out[59]: 36

In [60]: b.size * b.itemsize
Out[60]: 36

In [61]: b.resize(6,4)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-61-a30f6357ab78> in <module>()
----> 1 b.resize(6,4)

ValueError: cannot resize an array that references or is referenced
by another array in this way.  Use the resize function

In [62]: b.resize(6,6)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-62-5d4e603729e0> in <module>()
----> 1 b.resize(6,6)

ValueError: cannot resize an array that references or is referenced
by another array in this way.  Use the resize function

In [63]: b.resize()

In [64]: b
Out[64]:
array([[ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])

In [65]: b
Out[65]:
array([[ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])

In [66]: b.tolist()
Out[66]: [[0, 2, 4], [6, 8, 10], [12, 14, 16]]

In [67]:

时间: 2024-10-06 13:53:30

numpy基础代码操练的相关文章

【NumPy基础】100道numpy练习——进阶篇

[NumPy基础]100道numpy练习--进阶篇 @author:wepon @blog:http://blog.csdn.net/u012162613/article/details/42846777 选自numpy-100,当作熟悉NumPy的练习.NumPy只是一个数值计算的工具包,在实际的算法实现中来熟悉NumPy才是有效的,因此后面不打算继续写了,到此文为止,基本的语法已经够用了,之后在实践中总结可能效果更好.而且遇到问题参考NumPy官网文档即可. 之前两篇: [NumPy基础]1

《利用Python进行数据分析&#183;第2版》第四章 Numpy基础:数组和矢量计算

<利用Python进行数据分析·第2版>第四章 Numpy基础:数组和矢量计算 numpy高效处理大数组的数据原因: numpy是在一个连续的内存块中存储数据,独立于其他python内置对象.其C语言编写的算法库可以操作内存而不必进行其他工作.比起内置序列,使用的内存更少(即时间更快,空间更少) numpy可以在整个数组上执行复杂的计算,而不需要借助python的for循环 4.0 前提知识 数据:结构化的数据代指所有的通用数据,如表格型,多维数组,关键列,时间序列等 相关包:numpy pa

数据分析(Numpy基础)

数据分析(Numpy基础) 1.什么是数据分析? 数据分析是指,用适当的统计分析方法,对收集来的大量数据进行分析,提取有用信息并形成结论,从而实现对数据的详细研究和概括总结的过程. 2.python做数据分析的常用库 1. numpy 基础数值算法 2. scipy 科学计算 3. matplotlib 数据可视化 4. pandas 序列高级函数 一.numpy概述 1.什么是numpy? 1. Numerical Python,数字的Python,弥补了Python语言所欠缺的数值计算能力.

利用 Python 进行数据分析(五)NumPy 基础:ndarray 索引和切片

概念理解 索引即通过一个无符号整数值获取数组里的值. 切片即对数组里某个片段的描述. 一维数组 一维数组的索引 一维数组的索引和Python列表的功能类似: 一维数组的切片 一维数组的切片语法格式为array[index1:index2],意思是从index1索引位置开始,到index2索引(不包括index2)位置结束的一段数组.例如: 当把一个值赋值为一个切片时,该值会作用于此数组片段里每一个元素,例如: 二维数组 二维数组的索引 当以一维数组的索引方式访问一个二维数组的时候,获取的元素不在

java:Spring框架1(基本配置,简单基础代码实现)

1.基本配置: 步骤一:新建项目并添加spring依赖的jar文件和commons-logging.xx.jar: 步骤二:编写实体类,DAO及其实现类,Service及其实现类; 步骤三:在src下新建配置文件applicationContext.xml,并配置bean节点和property: <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="http://www.springfr

利用 Python 进行数据分析(四)NumPy 基础:ndarray 简单介绍

一.NumPy 是什么 NumPy 是 Python 科学计算的基础包,它专为进行严格的数字处理而产生.在之前的随笔里已有更加详细的介绍,这里不再赘述. 利用 Python 进行数据分析(一)简单介绍 二.ndarray 是什么 ndarray 是一个多维的数组对象,具有矢量算术运算能力和复杂的广播能力,并具有执行速度快和节省空间的特点. ndarray 的一个特点是同构:即其中所有元素的类型必须相同. 三.ndarray 的创建 array() 函数 最简单的方法, 使用 NumPy 提供的

【NumPy基础】100道numpy练习——Apprentice篇

[NumPy基础]100道numpy练习--Apprentice篇 @author:wepon @blog:http://blog.csdn.net/u012162613/article/details/42811297 今天又用半小时扫了一下Apprentice篇里的10道exercise,不知道怎么翻译Apprentice(学徒--)这个词,就直接以Apprentice篇作为题目了.numpy语法直白如水啊,花这些时间exercise有点浪费了.......Anyway,为了后面更熟练地用一

Mysql基础代码(不断完善中)

Mysql基础代码,不断完善中~ 1 //语法错误(syntax error)在语法分析阶段,源代码并未被执行,故不会有任何输出. 2 3 4 /* [命名规则] */ 5 常量名 类常量建议全大写,单词间用下划线分隔 // MIN_WIDTH 6 变量名建议用下划线方式分隔 // $var_name 7 函数名建议用驼峰命名法 // varName 8 定界符建议全大写 // <<<DING, <<<'DING' 9 文件名建议全小写和下划线.数字 // func_n

MyERP WinForm 快速开发框架——基础代码(数据字典)

框架的基础代码功能可以提供备选列表,作为数据字典使用 基础代码分为两种 手动输入.Sql动态 可以绑定到 ButtonEdit ComboBoxEdit LookUpEdit CheckedComboBoxEdit 作为数据源使用