精华内容
下载资源
问答
  • NumPy(ndarray创建)

    千次阅读 2020-01-12 14:30:52
    ndarray创建 ndarray创建 1、可以通过numpy模块中常用的几个函数进行创建 ndarray多维数组对象,主要函数如下: (1)array函数:接收一个普通的 python序列,并将其转换为ndarray。 ...

                                                               ndarray 创建

    ndarray 创建

        1、可以通过 numpy 模块中常用的几个函数进行创建 ndarray 多维数组对象,主要函数如下:

            (1) array 函数:接收一个普通的 python 序列,并将其转换为 ndarray。

                

                

            (2) zeros 函数:创建指定长度或者形状的全零数组。

                

            (3) ones 函数:创建指定长度或者形状的全1数组。

                

            (4) empty 函数:创建一个没有任何具体值得数组(准确的说是创建一些未初始化的 ndarray 多维数组)。

                如果之前创建过相同维度的数组,则empty()将创建与之前相同的数组。

                

        2、ndarray 其他创建方式

            (1) arange 函数:类似 python 的 range 函数,通过指定开始值、终值和步长来创建一个一维数组,注意:最终创建的数组不败韩终值。

                

            (2) linspace 函数:通过指定开始值、终值和元素个数来创建一个一维数组,数组的数据元素符合等差数列,可以通过 endpoint 关键字指定是否包含终值,默认包含终值。

                

            (3) logspace 函数:和 linspace 函数类似,不过创建的是等比数列数组。

                

            (4) 使用随机数填充数组,即使用 numpy.random 中的 random() 函数来创建 0-1 之间的随机元素,数组包含的元素数量由参数决定。

                

                

    展开全文
  • Ndarray创建 np.array创建 >> > import numpy as np #导入numpy >> > a = [ 1 , 2 , 3 , 4 , 5 , 6 ] #创建一维数组 >> > b = np . array ( a ) >> > print ( b ) > [ 1 , 2 , 3 , 4 , 5 ,...
    Numpy

    Numpy
    Numpy是python里面一个用于科学计算的库,它是大量数学和科学计算包的基础,例如pandas就会用到numpy。为了更好的学习python科学计算及数据分析,掌握numpy是非常必要的。

    Numpy功能

    • Numpy主要的功能之一用来操作数组和矩阵
    • Numpy是科学计算、深度学习等高端领域的必备工具
    • Numpy包含很多的数学函数,覆盖了很多数学领域,如:线性代数、傅里叶变换、随机数生成
    • Numpy可以取代一些商用的数学软件。Matlab一个交互环境,Python+Numpy==Matlab

    Numpy基础

    Ndarray

    • 它是一个由同类元素组成的多维数组
    • 每个ndarray只有一种dtype类型
      Ndarray创建
    • np.array创建
    >>>import numpy as np      #导入numpy
    >>>a = [1,2,3,4,5,6]            #创建一维数组
    >>>b = np.array(a)
    >>>print(b)
    >[1,2,3,4,5,6]
    >>>c = [[1,2,3],[4,5,6]]         #创建多维数组
    >>>d = np.array(c)
    >>>print(d)
    >[[1,2,3]
        [4,5,6]]
    
    • np.zeros
      指定大小的全0数组。注意:第一个参数是元组,用来指定大小,如(3, 4)
    >>>b = np.zeros((3,4),dtype=np.int32)
    >>>print(b)
    >[[0 0 0 0]
     [0 0 0 0]
     [0 0 0 0]]
    
    • np.zeros_like
      生成与矩阵c相同尺寸大小的元素为的0多维数组
    >>>c = np.arange(1,8,2,dtype=np.int32).reshape((2,2))
    >>>d = np.zeros_like(c)
    >>>print(d)
    >[[0 0]
     [0 0]]
    
    • np.ones
      指定大小的全1数组。注意:第一个参数是元组,用来指定大小,如(3, 4)
    >>>b = np.ones((3,4),dtype=np.int64)
    >>>print(b)
    >[[1 1 1 1]
     [1 1 1 1]
     [1 1 1 1]]
    
    • np.ones_like
      生成与矩阵c相同尺寸大小的元素为1多维数组
    >>>c = np.arange(1,8,2,dtype=np.int32).reshape((2,2))
    >>>d = np.ones_like(c)
    >>>print(d)
    >[[1 1]
     [1 1]]
    
    • np.empty
      初始化数组,不是总是返回全0,有时返回的是未初始的随机值(内存里的随机值)
    >>>b = np.empty((3,4))
    >>>print(b)
    >[[5.e-324 5.e-324 5.e-324 5.e-324]
     [5.e-324 5.e-324 5.e-324 5.e-324]
     [5.e-324 5.e-324 5.e-324 5.e-324]]
    
    • np.arange
      arange相当于array和range的结合,前三个参数和range一样,(start,end,步长)
      创建一个一维 ndarray 数组,常常与reshape连用,reshape() 将 重新调整数组的维数。
    >>>c = np.arange(2,10,2,dtype=np.int32)
    >>>print(c)
    >[2 4 6 8]
    >>>d = np.arange(1,8,2,dtype=np.int32).reshape((2,2))
    >>>print(d)
    >[[1 3]
     [5 7]]
    
    • np.linspace
      linspace函数通过指定开始值、终值和元素个数来创建一维数组,也通常与reshape连用,改变数组形状
    >>>b = np.linspace(1,20,10)
    >>>print(b)
    >[ 1.          3.11111111  5.22222222  7.33333333  9.44444444 11.55555556
     13.66666667 15.77777778 17.88888889 20.        ]
    
    • np.logspace
      logspace函数和linspace类似,不过它创建等比数列
    >>>b = np.logspace(1,20,10)
    >>>print(b)
    >[1.00000000e+01 1.29154967e+03 1.66810054e+05 2.15443469e+07
     2.78255940e+09 3.59381366e+11 4.64158883e+13 5.99484250e+15
     7.74263683e+17 1.00000000e+20]
    
    • np.asarray
      把python中的list和元组转换成numpy中的ndarray
    >>>c = [1,2,3,4,5,6]
    >>>b = np.asarray(c)
    >>>print(b)
    >>>print(type(b))
    >[1 2 3 4 5 6]
    <class 'numpy.ndarray'>
    

    Ndarray的基本属性

    • ndim 查看数组的维度
    • shape 查看数组的形状大小
    • size 查看数组的元素个数
    • dtype 查看数组的元素类型
    • type 查看数组的类型,返回ndarray
    • itemsize 查看数组元素的字节大小
    • data 查看实际数组元素的缓冲区地址
    • flat 查看数组元素的迭代器
    >>>import numpy as np
    >>>a = np.array([[1,2,3],[4,5,6]])        #创建数组
    >>>print(a.ndim)                                #查看数组维度
    >2
    >>>print(a.shape)                              #查看数组形状大小
    >(2,3)
    >>>print(a.size)                                 #查看数组元素个数
    >6
    >>>print(a.dtype)                              #查看数组元素类型
    >int32
    >>>print(type(a))                               #查看数组类型
    ><class 'numpy.ndarray'>
    >>>print(a.itemsize)                          #查看数组元素字节大小
    >4
    >>>print(a.data)                                #查看实际数组元素的缓冲区地址
    ><memory at 0x000001AEED4D8120>
    >>>print(a.flat)                                   #查看数组元素的迭代器
    ><numpy.flatiter object at 0x000001AEEC4F72F0>
    

    Ndarray的数据类型

    • bool 布尔类型
    • int: int8 \ int16 \ int32 \ int64 整数类型
    • uint: uint8 \ uint16 \ uint32 \ uint64 无符号整数类型
    • float: float16 \ float32 \ float64 浮点数类型
    • cpmplex: complex64 \ complex128 复数类型

    Ndarray存取元素

    • 使用整数序列:可以是列表,可以是元组
    • 整数序列中的元素可以是下标,可以是布尔值
    • 使用整数序列作为下标获得数组不和原始数组共享数据空间
    • 布尔存取只能是数组
    >>>x = np.arange(1,10,1)
    >>>a = x[[2,4,6]]
    >>>print(a)
    >[3 5 7]
    >>>b = x[x>5]
    >>>print(b)
    >[6 7 8 9]
    

    还会继续更新numpy的更多操作哟!

    展开全文
  • ndarray 创建数组主要有以下几种方式 1. 从python中的列表、元组等类型创建 2. 使用 NumPy中函数创建ndarray数组,如:arrange,ones,zeros) 3. 实例 1. 从python中的列表、元组等类型创建 NumPy 是一个开源的...

    1. 从python中的列表、元组等类型创建

    NumPy 是一个开源的Python第三方库,同时是SciPy, Pandas等数据处理科学计算库的基础, 包含强大的N维数组对象 ndarray。

    NumPy 中使用array函数创建数组

       numpy.array(list/turple, dtype =None)
    

    参数说明:

    参数描述
    dtype数据类型,可选。不指定dtype时,将根据数据自动关联一个类型

    2. 使用 NumPy中函数创建ndarray数组,如:arrange,ones,zeros)

    函数描述参数说明
    numpy.arange(start, stop, step, dtype)创建一个一维数组,设置了起始值、终止值及步长start:起始值,默认为0
    stop:终止值(不包含)
    step:步长,默认为1
    dtype:返回ndarray的数据类型
    numpy.ones(shape, dtype = float, order = ‘C’)创建指定大小生成一个全1数组shape:数组形状
    dtype:数据类型可选
    order:‘C’ 用于 C 的行数组,或 ‘F’ 用于 Fortran的列数组
    numpy.zeros(shape, dtype = float, order = ‘C’)创建指定大小生成一个全0数组
    numpy.full(shape,val)创建指定大小的数组,每个元素值都是val
    numpy.eye(n)创建一个n*n的单位矩阵(对角线值为1)
    numpy.ones_like(a)根据a的形状生成一个全1数组
    numpy.zeros_like(a)根据a的形状生成一个全0数组
    numpy.full_like(a,val)根据a的形状生成一个数组,每个元素值都是val
    numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)创建一个一维数组,数组是一个等差数列start:序列的起始值
    stop:序列的终止值,如果endpoint为true,该值包含于数列中
    num:要生成的等步长的样本数量,默认为50
    endpoint :该值为 true 时,数列中包含stop值,反之不包含,默认是True。
    retstep 如果为 True 时,生成的数组中会显示间距,反之不显示。
    dtype:ndarray 的数据类型
    numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)创建一个等比数列start:序列的起始值为:base ** start
    stop:序列的终止值为:base ** stop。
    如果endpoint为true,该值包含于数列中
    num:要生成的等步长的样本数量,默认为50
    endpoint:该值为 true 时,数列中中包含stop值,反之不包含,默认是True。
    base:对数 log 的底数。

    3. 实例

    3.1 numpy.arange实例

    #生成一个数组,起始值10、终止值20,步长2:
    import numpy as np
    x = np.arange(10,20,2)  
    print (x)
    

    输出结果如下:

    [10 12 14 16 18]

    3.2 numpy.ones实例(zeros, full 同理)

    #生成一个数组,元素全为1:
    import numpy as np
     
    # 默认为浮点数
    x = np.ones(5) 
    print(x)
    # 自定义类型
    x = np.ones([2,2], dtype = int)
    print(x)
    

    输出结果如下:

    [1. 1. 1. 1. 1.]
    [[1 1]
    [1 1]]

    3.3 numpy.linspace实例

    import numpy as np
    
    #设置起始点为 1 ,终止点为 10,数列个数为 10
    a = np.linspace(1,10,10)
    print(a)
    
    #将 endpoint 设为 false,不包含终止值;如果将 endpoint 设为 true,则会包含 20
    b = np.linspace(10, 20,  5, endpoint =  False)  
    print(b)
    
    #设置间距
    c =np.linspace(1,10,10,retstep= True) 
    print(c)
    

    #输出结果如下:

    [ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
    [10. 12. 14. 16. 18.]
    (array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.]), 1.0)

    3.4 numpy.logspace实例

    import numpy as np
    # 默认底数是 10
    a = np.logspace(1.0,  2.0, num =  10)  
    print (a)
    b = np.logspace(0,9,10,base=2)
    print (b)
    

    #输出结果如下:

    [ 10. 12.91549665 16.68100537 21.5443469 27.82559402
    35.93813664 46.41588834 59.94842503 77.42636827 100. ]

    [ 1. 2. 4. 8. 16. 32. 64. 128. 256. 512.]

    MOOC

    展开全文
  • ndarray创建

    2020-04-13 21:49:20
    创建ndarray 即 使用array函数 首先导包:import numpy as np 1.一维数组: data1 = [1, 2.3, 4, -5] arr = np.array(data1) print(arr) 得到: 2.多维数组: data2 = [[1, 2, 3], [4, 6, 7]] arr = np.array(data2)...

    创建ndarray

    即 使用array函数
    首先导包:import numpy as np
    1.一维数组:

    data1 = [1, 2.3, 4, -5]
    arr = np.array(data1)
    print(arr)

    得到:在这里插入图片描述
    2.多维数组:

    data2 = [[1, 2, 3], [4, 6, 7]]
    arr = np.array(data2)
    print(arr)

    得到:在这里插入图片描述
    还可以使用 asarray(data)
    array()asarray() 的区别:二者都可以将结构数据转化为ndarray,但是当数据为ndarray时,array 仍会copy出一个副本,占用一个内存,而asarray不会。
    3.有序数组:
    data = np.arange(start, stop, step) #start是开始的元素,stop是结束的元素,不包括stop元素,step是步长,表示隔step步取一个元素。

    data1 = np.arange(4);
    data2 = np.arange(2, 5, 2)
    print(data1)	# 得到:[0, 1, 2, 3]
    print(data2)	# 得到:[2, 4]

    获取数组维度

    print(data.ndim) ,其中:

    print(data1.ndim)	# 为1
    print(data2.ndim)	# 为2

    获取数组行列数

    print(data.shape),返回(行,列)。其中:

    print(data1.shape)	#为(4,),不是(1, 4)的原因是一维度只返回一个数
    print(data2.shape)	#为(2,3),即两行三列

    获取数组类型

    print(data.dtype),其中:

    print(data1.dtype);	#为int32
    print(data2.dtype);	#为int32

    其他数组

    1.全0数组:
    (1) print(np.zeros(10)),即显示1行10列的全0数组
    在这里插入图片描述
    (2) print(np.zeros_like(data)),即显示以data数组的行列数和类型为模板的全0数组。

    data = [1, 2, 3]
    print(np.zeros_like(data))	#得到:[0, 0, 0]
    #or: data1 = np.zeros_like(data)
    #    print(data1)

    2.全1数组:
    (1) print(np.ones((2, 4))),即显示2行4列的全1数组
    在这里插入图片描述
    (2) print(np.ones_like(data)),即显示以data数组的行列数和类型为模板的全1数组。

    data = [1, 2, 3]
    print(np.ones_like(data))	#得到:[1, 1, 1]
    # or: data1 = np.ones_like(data); 
    #     print(data1);

    3.空数组:
    (1) print(np.empty(2, 3, 3))
    在这里插入图片描述
    (2) print(np.empty_like(data)),同上。均分配内存空间并产生随机值,不进行初始化。
    里面的值是未初始化的垃圾值,空数组≠全0数组。
    4.全数组:
    (1) print(np.full((x, y), e)),显示x行y列、值为e的数组。
    (2) print(np.full_like(data, e)),显示data模板下的值全为e的数组。

    data = np.full((2, 3), 4)
    print("data:\n", data)
    data1 = np.full_like(data, 2)
    print("data1:\n", data1)

    在这里插入图片描述
    5.单位矩阵
    (1) eye(x, y),构造x行y列的单位矩阵。
    (2) identity(x),构造x行x列的单位方阵。

    print("eye:\n", eye(2, 3));
    print("identity:\n", identity(3));

    得到:
    在这里插入图片描述

    展开全文
  • numpy核心其实就是一个 ndarray 多维数组(演示 ndarray 输出效果 以及 和 list 的区别) # 参数 起始值 结束值 数组大小 起始值能取到 结束值取不到 左闭右开区间 [start,end) ndarr1 = np.rand...
  • 初探Numpyimport numpy as npdata=np.random.randn(2,3) # 生成2行3列的多维数组对data进行数学运算:data*10 data+data以上两个小运算中,可以看出,numpy在...ndarray:是一个通用的多维同类数据容器,也就是说,...
  • 1 ,创建 ndarray : 1 维向量 ( np.array ) 例如 : if __name__ == '__main__': nd01 = np.array([1,2,3,4,5]) print(nd01) =============================== [1 2 3 4 5] 2 ,创建 ndarray : 2 维向量 ( np...
  • ndarray是numpy中基础类型,根据官方文档Quickstarttutorialhttps://numpy.org/devdocs/user/quickstart.html支持它是相同数据类型的多维数组,相当于多个元组的组合,其中Numpy中的多维被称为轴 比如,在一个3d...
  • 创建ndarray a = [1,2,3] b = np.array(a) c = np.array([[1,2],[3,4]]) d = np.array([[1,2],[3,4]],dtype=complex) # 指定数据类型 print(b , b.dtype) print(c , c.dtype) print(d , d.dtype) 创建数值都为1的...
  • ndarray数组的创建方法

    千次阅读 2020-03-28 21:09:10
    ndarray数组的创建方法 (1)从Python中的列表、元组等类型创建ndarray数组 x = np.array(list/tuple) x = np.array(list/tuple,dtype=np.float32) 当np.array()不指定dtype时,NumPy将根据数据情况关联一个dtype...
  • NumPy ndarray数组的创建

    千次阅读 2020-12-24 09:06:59
    从已有数据中创建数组 直接对 Python 的基础数据类型(如列表、元组等)进行转换来生成 ndarray: 1) 将列表转换成 ndarray: import numpy as np ls1 = [10, 42, 0, -17, 30] nd1 =np.array(ls1) print(nd1) print...
  • numpy是Python中用于科学计算的基础软件包,...numpy包中最核心的类型是ndarray,定义了一个执行矢量算术运算的n维数组,无需编写循环,就能对整个数组进行批量运算。通常情况下,导入numpy,设置别名为np。 i...
  • [numpy] ndarray数组-创建

    2020-06-06 16:10:38
    创建数组 利用list创建数组 >>> l = [1, 2, 3, 4, 5] >>> np.array(l) array([1, 2, 3, 4, 5]) >>> l = [[1, 2, 3], [4, 5, 6]] >>> np.array(l) array([[1, 2, 3], ...
  • numpy之-快速创建ndarray

    2019-06-26 23:03:24
    接上篇文章,本章主要说明ndarray的快速创建对象 创建ndarray对象除了使用np.array还有一下几种方式快速创建。 1. 创建空的nadrray对象,因为没有赋值,所以会随机生成一些值。 np.empty((4,4)) array([[ 0.00000000e...
  • --最近自己在B站上 照着学操作的记录,保留下来,方便后期随时复习及使用 ...--在spydedr生成ndarray数据 #在Ipython中用的列表和元组生成ndarray数据 --列表 import numpy as np a = np.array([1,2,3]) print...
  • 1、创建一个NumPy ndarray对象NumPy用于处理数组。 NumPy中的数组对象称为ndarray。我们可以使用array()函数创建一个NumPyndarray对象。例如:import numpy as nparr = np.array([1, 2, 3, 4, 5])print(arr)print...
  • 5.1 ndarray创建与索引

    2020-03-18 15:43:47
    5.1 ndarray创建与索引 Python内置了一个array模块,它与list不同,它直接保存数值,类似于C语言中的一维数组。但由于它不支持多维数组功能,且没有配套对应的计算函数,因此不适合做数值运算。基于NumPy的ndarray...
  • ndarray数组创建方法1、根据python中列表、元组中创建2、使用NumPy中函数创建ndarray数组3、使用NumPy中其他函数创建ndarray数组4、ndarray数组变换 1、根据python中列表、元组中创建 x = np.array(list\tuple) ...
  • 文章目录从列表和元组中创建ndarray数组创建ndarray数组的变换ndarray数组类型变换ndarry数组向列表转换 从列表和元组中创建 只要包含数据个数相同就可以混合创建 ndarray数组创建 ones zeros 等生成都是浮点数...
  • python中创建二维的ndarray数组

    千次阅读 2020-02-09 11:40:50
    创建以为数组类似,创建二维数组本质上就是把一位数组中的单独元素定义为数组,相当于是数组的数组;我们同样适用np.ndarray方法,并且将参数设置为[list,list]的列表值或者列表变量,为了有良好的可读性,我们...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 21,703
精华内容 8,681
关键字:

ndarray创建

友情链接: spi_loopback_interrupts.rar