NumPy 라 이브 러 리 입문
1 차원 데이터: 대응 목록, 배열 과 집합 등 개념 (선형 방식 조직)
목록: 데이터 형식 은 배열 에 따라 다 를 수 있 습 니 다. 데이터 형식 은 같 습 니 다.
2 차원 데이터: 여러 개의 1 차원 데이터 로 구성 되 고 1 차원 데이터 의 조합 형식 이다.
다 차원 데이터: 예 를 들 어 시간 차원
고 차원 데 이 터 는 가장 기본 적 인 이원 관 계 를 이용 하여 데이터 간 의 복잡 한 구 조 를 보 여 준다.
1 차원 데이터: 목록 과 집합 유형 2 차원 데이터: 목록 유형 다 차원 데이터: 목록 유형 고 차원 데이터: 사전 형식 이나 데이터 표시 형식 (JSON, XML, YAML 형식)
NumPy 의 배열 대상: ndarray, N 차원 배열 대상 방송 기능 함수 통합 C / C + + / Fortran 코드 도구 선형 대수, 푸 리 엽 변환, 임 의 수 생 성 등 기능
ndarray - 양 적 연산
import numpy as np
관찰: 과학적 계산 에서 한 차원 의 모든 데이터 의 유형 은 종종 같다.
ndarray 는 다 차원 배열 대상 으로 두 부분 으로 구성 된다.
ndarray 배열 의 생 성 방법
(1) Python 의 목록, 원본 등 형식 에서 ndarray 배열 을 만 듭 니 다.
x = np.array(list/tuple)
x = np.array(list/tuple, dtype=np.float32)
np. array () 가 dtype 을 지정 하지 않 을 때 Numpy 는 데이터 상황 에 따라 dtype 형식 을 연결 합 니 다.
np.arange(n)
np.arange(10)
np.ones(shape)
np.ones((3,6))
np.ones((3,6), dtype=np.int32)
np.ones((2,3,4), dtype=np.int32)
np.zeros(shape)
np.full(shape, val)
np.eye(n)
np.eye(5)
np.one_like(a)
np.zero_like(a)
np.full_like(a, val)
np.linspace()
np.linspace(1, 10 ,4)
np.linspace(1, 10 ,4, endpoint=False)
np.concatenate()
생 성 된 ndarray 배열 에 대해 차원 변화 와 요소 형식 변환 을 할 수 있 습 니 다.
a = np.ones(2, 3, 4), dtype = np.int32)
.reshape(shape)
.resize(shape) #
.swapaxes(ax1, ax2)
.flatten()
a = np.ones((2, 3, 4), dtype=np.int32)
a = reshape((3, 8))
a.flatten() #
a.astype(new_type) #
ls = a.tolist()
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
다양한 언어의 JSONJSON은 Javascript 표기법을 사용하여 데이터 구조를 레이아웃하는 데이터 형식입니다. 그러나 Javascript가 코드에서 이러한 구조를 나타낼 수 있는 유일한 언어는 아닙니다. 저는 일반적으로 '객체'{}...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.