numpy 모듈

3304 단어

numpy 모듈

  • 용도: 2차원 그룹 처리에 많이 사용
  • 객체 유형은
  • import numpy as np-----습관 쓰기
  • #  ndarray 
    arr = np.array([1, 2, 3])
    print(arr, type(arr))
    >>>[1 2 3] 
    #  ndarray 
    print(np.array([[1, 2, 3], [4, 5, 6]]))
    >>>[[1 2 3]
     [4 5 6]]
    #  ndarray 
    print(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]))
    >>>[[1 2 3]
        [4 5 6]
        [7 8 9]]

    함수 생성 배열
    메서드
    상세하게 해석하다
    array()
    목록을 배열로 변환합니다. 현식 지정 dtype을 선택할 수 있습니다.
    arange()
    range의numpy 버전, 부동 소수점 지원
    linspace()
    arange ()와 유사하며 세 번째 파라미터는 그룹 길이입니다
    zeros()
    지정한 모양과 dtype에 따라 0 그룹을 만듭니다
    ones()
    지정한 모양과 dtype에 따라 전체 1 그룹을 만듭니다
    eye()
    단위 행렬 생성하기
    empty()
    원소의 무작위 그룹을 만듭니다.
    reshape()
    모양을 다시 빚다.
    공통 속성
    등록 정보
    해석하다
    T
    수조의 전환 (고차원 수조에 대해 말하자면)
    dtype
    배열 요소의 데이터 유형
    size
    배열 요소의 개수
    ndim
    배열의 비트
    shape
    그룹의 차원 크기 (모듈 형식)
    astype
    유형 변환
    메서드
  • np.random.shuffle(arr1)---현지에서 수정하고 줄 사이를 어지럽히는 순서
  • 수치
  • arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
    print(arr)
    >>>[[ 1  2  3  4]
        [ 5  6  7  8]
        [ 9 10 11 12]]
  • #  
    print(arr[:, :])
    >>>[[ 1  2  3  4]
         [ 5  6  7  8]
        [ 9 10 11 12]]
  • #  
    print(arr[:1, :])
    >>>[[1 2 3 4]]
  • #  
    print(arr[:, :1])
    >>>[[1]
     [5]
     [9]]
  • #  
    print(arr[(0, 1, 2), 0])
    >>>[1 5 9]
  • #  5 , 
    print(arr[arr > 5])
    >>>[ 6  7  8  9 10 11 12]
  • # numpy , arr > 5 numpy 
    print(arr > 5)
    >>>[[False False False False]
     [False  True  True  True]
     [ True  True  True  True]]

  • 수 그룹 요소의 교체
  • 동일한 수치, 가중치로 줄이나 열을 숫자로 바꿀 수 있다
  • 산수 연산 동리
  • 수조의 합병
  • arr1 = np.array([[1, 2], [3, 4], [5, 6]])
    print(arr1)
    arr2 = np.array([[7, 8], [9, 10], [11, 12]])
    print(arr2)
  • #  numpy , hstack() numpy ,numpy , hstack h horizontal 
    print(np.hstack((arr1, arr2)))
  • #  numpy , axis=1 numpy 
    print(np.concatenate((arr1, arr2), axis=1))
  • #  numpy , vstack() numpy ,numpy , vstack v vertical 
    print(np.vstack((arr1, arr2)))
  • #  numpy , axis=0 numpy 
    print(np.concatenate((arr1, arr2), axis=0))

  • 수조의 점승
  • arr1 = np.array([[1, 2, 3], [4, 5, 6]])
    print(arr1.shape)
    arr2 = np.array([[7, 8], [9, 10], [11, 12]])
    print(arr2.shape)
    assert arr1.shape[0] == arr2.shape[1]
    # 2*3·3*2 = 2*2
    print(arr2.shape)

  • 수조의 전환
  • arr = np.array([[1, 2, 3], [4, 5, 6]])
    print(arr)
    print(arr.transpose())
    print(arr.T)

  • 수조의 역
  • arr = np.array([[1, 2, 3], [4, 5, 6], [9, 8, 9]])
    print(arr)
    print(np.linalg.inv(arr))
    #  numpy numpy 
    arr = np.eye(3)
    print(arr)
    print(np.linalg.inv(arr))

  • 좋은 웹페이지 즐겨찾기