当前位置: 首页> 教育> 锐评 > 高端软件定制开发_淮北发布_关键词挖掘工具有哪些_推广普通话ppt课件

高端软件定制开发_淮北发布_关键词挖掘工具有哪些_推广普通话ppt课件

时间:2025/7/16 14:16:07来源:https://blog.csdn.net/2302_77067662/article/details/146586449 浏览次数:1次
高端软件定制开发_淮北发布_关键词挖掘工具有哪些_推广普通话ppt课件

文章目录

  • 前言
  • 一、numpy简介
  • 二、numpy数组的基本操作
    • 1.创建ndarry对象
    • 2.创建指定大小的数组
    • 3.生成等差数组
  • 三、数组的属性
    • 1.shape属性
    • 2.数组维度
    • 3.数组的内存信息
  • 四、数组切片操作
  • 五、高级索引
    • 1.整数索引
    • 2.布尔索引


前言

  • 通过今天的学习,我掌握了Python中的第三方库——numpy的部分语法知识

一、numpy简介

  • numpy 的全称是“ Numeric Python”,它是 Python 的第三方扩展包,主要用来计算、处理一维或多维数组
  • 在数组算术计算方面, numpy 提供了大量的数学函数
  • 数组是numpy的基本数据类型,与Python中的列表有相似之处
  • 二者的区别在于:数组是同质数据类型而列表是异质数据类型,也就是说二者对存储元素的数据类型的要求不同。同时,数组用方括号表示但其中的元素使用空格而不是逗号隔开
  • numpy是Python的第三方库,使用时需要导包

二、numpy数组的基本操作

1.创建ndarry对象

  • 语法:
    numpy.array(object,dtype=None,copy=True,order=None,ndim=0)
arr = np.array([1,2,3],dtype=float,order="c",ndmin=1)
print(arr) #[1. 2. 3.]
  • 这里传入了一个列表对象,dtype指定元素类型,order表示以哪种内存布局创建数组,ndmin指定数组的维度

2.创建指定大小的数组

  • 1.zeros方法:
    np.zeros(shape,dtype,order)
  • 生成指定大小的全0数组
arr = np.zeros((2,3),dtype=int,order="c")
print(arr) 
  • 2.ones方法:
    np.ones(shape,dtype,order)
  • 生成指定大小的全1数组
arr = np.ones((2,3),dtype=int,order="c")
print(arr) 
  • 3.full方法:
    np.full(shape,value,dtype,order)
  • 生成指定大小,指定元素的数组
arr = np.full((2,3),3,dtype=float,order="c")
print(arr)

3.生成等差数组

  • 1.arange方法:
    np.arange(start,stop,step,dtype)
  • 用于生成等差数组,类似于Python中的range函数,但返回的是一个数组而非列表
arr = np.arange(10)
print(arr)
  • 2.linspace方法:
    np.linspace(start,stop,num,endpoint,retstep,dtype)
  • 同样用于生成等差数组,num用于指定均分数,endpoint代表是否包含终止值,retstep可以返回包含数值和步长的元组
arr = np.linspace(0,49,50)
print(arr)

三、数组的属性

1.shape属性

  • shape属性反映数组在对应维度的大小
arr1 = np.array([1,2])
print(arr1.shape) #(2,)arr2 = np.array([1,2],ndmin=2)
print(arr2.shape) #(1, 2)

tips:arr1是一个一维数组,arr2是一个二维数组

2.数组维度

  • ndmin表示数组的维度,shape返回的元组中的每个元素便是代表在当前维度中包含的元素个数
  • 也可以使用ndmin指定数组的维度
arr2 = np.array([1,2],ndmin=2)
print(arr2.shape) #(1, 2)

3.数组的内存信息

  • flags属性代表数组的内存信息
    在这里插入图片描述
  • 主要了解前两个参数的含义,即数组在内存中的存储方式

四、数组切片操作

  • 数组的切片与列表的切片操作相似,使用:变量名[start,stop,step]即可
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr[:,2]) #[3 6]  取所有行的第三列
print(arr[1,:]) #[4 5 6] 取第二行的所有列

五、高级索引

1.整数索引

  • 将目标元素的索引合成为索引列表传入,可以取出任意元素
arr = np.array([[1,2,3], [4,5,6],[7,8,9]])
arr1 = arr[[0,1,2],[1,1,0]] 
print(arr1) #[2 5 7]

2.布尔索引

  • 通过布尔运算获取包含符合条件元素的数组
arr = np.array([[1,2,3], [4,5,6],[7,8,9]])
idx = arr > 5
print(idx) #返回布尔数组
print(arr[idx]) #返回满足条件元素构成的数组
print(arr[:,arr[1]<7]) #切片布尔索引

THE END

关键字:高端软件定制开发_淮北发布_关键词挖掘工具有哪些_推广普通话ppt课件

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

责任编辑: