choose 函数实现条件筛选 对于数组，我们有时候需要进行类似 switch 和 case 进行条件选择，此时使用 choose 函数十分方便： import numpy as np control = np.array([[1,0,1], [2,1,0], [1,2,2]]) np.choose(control, [10, 11, 12]) array([[11, 10, 11], [12, …

ufunc 对象 Numpy 有两种基本对象：ndarray (N-dimensional array object) 和 ufunc (universal function object)。ndarray 是存储单一数据类型的多维数组，而 ufunc 则是能够对数组进行处理的函数。 例如，我们之前所接触到的二元操作符对应的 Numpy 函数，如 add，就是一种 ufunc 对象，它可以作用于数…

二元运算 import numpy as np 四则运算 运算 函数 a + b add(a,b) a - b subtract(a,b) a * b multiply(a,b) a / b divide(a,b) a ** b power(a,b) a % b remainder(a,b) 以乘法为例，数组与标量相乘，相当于数组的每个元素乘以这个标量： a = np.array([1,2]) a…

向量化函数 自定义的 sinc 函数： import numpy as np def sinc(x): if x == 0.0: return 1.0 else: w = np.pi * x return np.sin(w) / w 作用于单个数值： sinc(0.0) 1.0 sinc(3.0) 3.8981718325193755e-17 但这个函数不能作用于数组： x = np.array(…

一般函数 import numpy as np 三角函数 sin(x) cos(x) tan(x) sinh(x) conh(x) tanh(x) arccos(x) arctan(x) arcsin(x) arccosh(x) arctanh(x) arcsinh(x) arctan2(x,y) arctan2(x,y) 返回 arctan(x/y) 。 向量操作 dot(x,y) inner(…

矩阵 使用 mat 方法将 2 维数组转化为矩阵： import numpy as np a = np.array([[1,2,4], [2,5,3], [7,8,9]]) A = np.mat(a) A matrix([[1, 2, 4], [2, 5, 3], [7, 8, 9]]) 也可以使用 Matlab 的语法传入一个字符串来生成矩阵： A = np.mat('1,2,4;2,…

生成数组的函数 arange arange 类似于Python中的 range 函数，只不过返回的不是列表，而是数组： arange(start, stop=None, step=1, dtype=None) 产生一个在区间 [start, stop) 之间，以 step 为间隔的数组，如果只输入一个参数，则默认从 0 开始，并以这个值为结束： import numpy as np np.aran…

对角线 这里，使用与之前不同的导入方法： import numpy as np 使用numpy中的函数前，需要加上 np.： a = np.array([11,21,31,12,22,32,13,23,33]) a.shape = 3,3 a array([[11, 21, 31], [12, 22, 32], [13, 23, 33]]) 查看它的对角线元素： a.diagonal() arra…

数组形状 %pylab Using matplotlib backend: Qt4Agg Populating the interactive namespace from numpy and matplotlib 修改数组的形状 a = arange(6) a array([0, 1, 2, 3, 4, 5]) 将形状修改为2乘3： a.shape = 2,3 a array([[0, 1, 2…

数组排序 %pylab Using matplotlib backend: Qt4Agg Populating the interactive namespace from numpy and matplotlib sort 函数 先看这个例子： names = array(['bob', 'sue', 'jan', 'ad&#…