html的所有代码大全/整站优化

一、函数详解

np.empty(num_points)

用于创建一个指定大小的未初始化的数组的函数。该函数会返回一个指定大小的数组，但是数组的内容是未定义的，即数组中的元素可能是任意值。
参数说明：

• num_points：指定数组的大小，可以是一个整数或元组

import numpy as np# 创建一个大小为5的未初始化数组
arr = np.empty(5)print(arr)# 输出结果可能会是类似于以下的内容（具体数值可能不同）：
[1. 2. 3. 4. 5.]

np.zeros(shape, dtype=float, order=‘C’)

NumPy中用于创建指定形状的全零数组的函数。该函数接受一个表示数组形状的元组作为参数，并返回一个对应形状且所有元素都为零的数组。
参数解释：

• shape：表示数组形状的元组，如(2, 3)表示2行3列的数组
• dtype：可选参数，指定数组的数据类型，默认为float
• order：可选参数，指定数组元素在内存中的存储顺序，'C’表示按行存储，'F’表示按列存储

import numpy as np# 创建一个3x4的全零数组
zeros_array = np.zeros((3, 4))print(zeros_array)输出结果：
array([[0., 0., 0., 0.],[0., 0., 0., 0.],[0., 0., 0., 0.]])

np.tile(A, reps)

用于在不同维度上复制数组。具体来说，np.tile(A, reps)会将数组A沿各个维度复制指定的次数，形成一个新的数组。
参数解释：

• A：要复制的数组
• reps：指定每个维度上复制的次数，可以是一个整数或一个元组。如果reps是一个整数n，则表示沿着每个维度将数组复制n次；如果reps是一个元组(m, n)，则表示沿着每个维度将数组复制m次沿第一个轴，n次沿第二个轴，依此类推。

import numpy as np# 创建一个数组
arr = np.array([1, 2, 3])# 将数组沿着第一个轴复制3次
result1 = np.tile(arr, 3)print(result1)# 输出结果为：
[1 2 3 1 2 3 1 2 3]A = np.array([[1, 2], [3, 4]])
result2 = np.tile(A, (2, 3))print(result2)# 输出结果为：
array([[1, 2, 1, 2, 1, 2],[3, 4, 3, 4, 3, 4],[1, 2, 1, 2, 1, 2],[3, 4, 3, 4, 3, 4]])

np.newaxis

一种在NumPy中用于改变数组维度的常见操作
当使用np.newaxis时，它实际上是一个None对象的别名，用于增加数组的维度。通过在切片操作中使用np.newaxis，可以改变数组的维度，从而方便进行矩阵运算。

import numpy as np# 创建一个一维数组
arr = np.array([1, 2, 3, 4])# 使用np.newaxis增加一个新的轴
new_arr = arr[:, np.newaxis]print(new_arr)
print(new_arr.shape)输出结果：
array([[1],[2],[3],[4]])
(4, 1)

numpy.stack(arrays, axis=0)

用于沿着新的轴堆叠数组序列。具体来说，np.stack 可以将多个数组沿着指定的轴（axis）进行堆叠，生成一个新的数组。

参数说明：

• arrays：要堆叠的数组序列，可以是多个数组组成的列表或元组。
• axis：指定沿着哪个轴进行堆叠。默认值为 0，表示沿着新的第一个轴进行堆叠。

import numpy as nparr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])stacked_array = np.stack((arr1, arr2))
print(stacked_array)输出结果：
[[1 2 3][4 5 6]]

np.roll(a, shift, axis=None)

用于对数组进行循环移位操作的函数。该函数可以将数组沿指定轴进行循环移位，即将数组的元素按照指定的偏移量进行重新排列。
参数说明：

• a：输入数组
• shift：循环移位的偏移量，可以是正数或负数
• axis：指定沿着哪个轴进行循环移位操作，如果不指定则将数组展平后进行移位操作

import numpy as np# 创建一个一维数组
arr = np.array([1, 2, 3, 4, 5])# 对数组进行循环右移两位
result = np.roll(arr, 2)print(result)# 输出结果为：
[4 5 1 2 3]

二、实例

矩阵进行扩展三行，使得每一行都与第一行相同

import numpy as np# 定义原始矩阵
matrix = np.array([[1, 2, 3]])# 复制第一行，扩展为3行
extended_matrix = np.tile(matrix, (3, 1))print(extended_matrix)输出结果：
[[1 2 3][1 2 3][1 2 3]]

二维数组每行减去不同的数

import numpy as np# 创建输入数组
input_array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 创建要减去的数组
to_subtract = np.array([1, 2, 3])# 使用广播功能实现减法操作
result = input_array - to_subtract[:, np.newaxis]print(result)输出结果为：
[[0 1 2][2 3 4][4 5 6]]