040、数组广播机制
数组广播机制 import numpy as np 正常的加法: a = np.array ([[0, 0, 0], [10,10,10], [20,20,20], [30,30,30]]) b = np.array ([[ 0, 1, 2], [ 0, 1, 2], [ 0, 1, 2], [ 0, 1, 2]]) a + b array ([[ 0, 1, 2], [10, 11, 12], [2…
2024-3-07 20:45
|
|
42
497 字
|
9 分钟
039、choose 函数实现条件筛选
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, …
2024-3-07 20:45
|
|
48
254 字
|
6 分钟
038、ufunc 对象
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…
2024-3-07 20:45
|
|
48
485 字
|
11 分钟
037、二元运算
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…
2024-3-07 20:44
|
|
50
288 字
|
6 分钟
036、向量化函数
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 (…
2024-3-07 20:44
|
|
53
148 字
|
5 分钟
035、一般函数
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 (…
2024-3-07 20:44
|
|
45
296 字
|
15 分钟
034、矩阵
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,…
2024-3-07 20:43
|
|
43
124 字
|
5 分钟
033、生成数组的函数
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…
2024-3-07 20:43
|
|
42
1010 字
|
21 分钟
032、对角线
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…
2024-3-07 20:43
|
|
42
141 字
|
4 分钟
031、数组形状
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…
2024-3-07 20:42
|
|
57
937 字
|
22 分钟