浅述python中NumPy包
NumPy(Numerical Python)是Python的一种开源的数值计算扩展,提供了多维数组对象ndarray,是一个快速、灵活的大数据容器,可以用来存储和处理大型矩阵,支持大量的维度数组与矩阵运算,并针对数组运算提供大量的数学函数库。这些函数可以直接在数组和矩阵上操作,大大简化了数据处理和分析的复杂度。
NumPy数组的元素类型必须相同,具有同质性,以提高元素查找效率。同时,NumPy数组的元素可以通过基于0的下标单独访问。NumPy数组还通过dtype和shape属性表示元素的类型和维度,其中维度的类型是元组,按照从高到低的顺序来排列每一维的大小。
NumPy的优点在于其提供了大量数值计算的函数,能够进行线性代数的相关操作,并且由于其底层用C编写,因此执行效率非常高。这使得NumPy在科学计算、数据分析、机器学习、深度学习以及人工智能等领域有着广泛的应用。
安装NumPy的方法有多种,包括使用pip、conda或者从源码进行安装。在命令行中输入pip install numpy
即可从Python官方的包索引中下载和安装最新版的NumPy。如果需要安装特定版本的NumPy,可以在命令中指定版本号,例如pip install numpy==1.19.3
将安装NumPy的1.19.3版本。
简单举例:
以下是一些NumPy的简单使用例子:
- 创建数组:
使用np.array()
函数可以直接创建一个NumPy数组。
import numpy as np | |
# 创建一个一维数组 | |
arr1 = np.array([1, 2, 3, 4, 5]) | |
print(arr1) # 输出: [1 2 3 4 5] | |
# 创建一个二维数组 | |
arr2 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) | |
print(arr2) | |
# 输出: | |
# [[1 2 3] | |
# [4 5 6] | |
# [7 8 9]] |
2.基本数学运算:
NumPy支持对数组进行基本的数学运算,如加法、减法、乘法、除法等。
# 创建两个数组 | |
a = np.array([1, 2, 3]) | |
b = np.array([4, 5, 6]) | |
# 数组加法 | |
c = a + b | |
print(c) # 输出: [5 7 9] | |
# 数组乘法 | |
d = a * b | |
print(d) # 输出: [ 4 10 18] |
3.索引和切片:
可以使用索引和切片来访问和修改数组中的元素。
# 使用索引访问数组元素 | |
element = arr2[0, 1] # 访问第一行第二列的元素 | |
print(element) # 输出: 2 | |
# 使用切片访问数组的子集 | |
subset = arr2[:2, 1:] # 访问前两行,从第二列开始到最后的所有列 | |
print(subset) | |
# 输出: | |
# [[2 3] | |
# [5 6]] |
4.创建特殊数组:
NumPy提供了创建特殊类型数组的函数,如零数组、一数组、等差数组等。
# 创建零数组 | |
zeros_arr = np.zeros((3, 3)) | |
print(zeros_arr) | |
# 输出: | |
# [[0. 0. 0.] | |
# [0. 0. 0.] | |
# [0. 0. 0.]] | |
# 创建一数组 | |
ones_arr = np.ones((2, 2), dtype=np.int) | |
print(ones_arr) | |
# 输出: | |
# [[1 1] | |
# [1 1]] | |
# 创建等差数组 | |
linspace_arr = np.linspace(0, 10, 5) # 从0到10,生成5个数 | |
print(linspace_arr) # 输出: [ 0. 2.5 5. 7.5 10. ] |
NumPy作为Python中科学计算的基础包,功能丰富且强大,除了上述的基本功能外,还有许多其他高级功能。以下是一些NumPy的高级功能示例:
1.数组重塑:
NumPy提供了reshape
方法,允许用户改变数组的形状而不改变其数据。例如,你可以将一个一维数组重塑为二维数组,或者将一个二维数组重塑为三维数组等。
import numpy as np | |
a = np.array([1, 2, 3, 4, 5, 6]) | |
b = a.reshape(2, 3) | |
print(b) | |
# 输出: | |
# [[1 2 3] | |
# [4 5 6]] |
2.数组合并:
使用np.concatenate
函数,你可以沿着指定的轴将多个数组合并成一个数组。
a = np.array([1, 2, 3]) | |
b = np.array([4, 5, 6]) | |
c = np.concatenate((a, b)) | |
print(c) | |
# 输出: [1 2 3 4 5 6] |
3.布尔索引:
通过布尔索引,你可以基于条件选择数组中的元素。
arr = np.array([1, 2, 3, 4, 5]) | |
filtered_arr = arr[arr > 3] | |
print(filtered_arr) | |
# 输出: [4 5] |
4.花式索引:
花式索引允许你使用整数数组来索引数组中的元素。这可以用于选择非连续的元素或进行复杂的切片操作。
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) | |
selected_elements = arr[[0, 1, 2], [0, 1, 2]]# 在NumPy中,使用两个整数数组进行索引时,第一个数组指定了行索引,第二个数组指定了列索引。这种方式被称为“花式索引”或“高级索引”。 | |
print(selected_elements) | |
# 输出: [1 5 9] 这里的 arr[[0, 1, 2], [0, 1, 2]] 实际上选择的是 (0, 0) , (1, 1) , 和 (2, 2) 这三个位置的元素,即对角线元素。 |
5.线性代数运算:
NumPy提供了许多线性代数函数,如矩阵乘法、矩阵转置、求解线性方程组、计算特征值和特征向量等。
A = np.array([[1, 2], [3, 4]]) | |
B = np.array([[5, 6], [7, 8]]) | |
C = np.dot(A, B) # 矩阵乘法 | |
print(C) | |
# 输出: | |
# [[19 22] | |
# [43 50]] |
6.随机数生成:
NumPy提供了多种随机数生成函数,可以用于生成均匀分布、正态分布等不同分布的随机数。
# 生成0到1之间的随机浮点数 | |
random_float = np.random.rand() | |
print(random_float) | |
# 生成形状为(3, 3)的随机数矩阵 也是01之间的数 | |
random_matrix = np.random.rand(3, 3) | |
print(random_matrix) |
如果随机数矩阵不在0到1之间,而是具有其他范围或分布,NumPy提供了多种函数来满足这些需求。以下是一些常用的方法:
- 指定范围:使用
np.random.uniform
函数可以指定随机数的下限和上限。
import numpy as np | |
# 生成形状为(3, 3)的随机数矩阵,元素范围在a和b之间 | |
a, b = 5, 10 # 指定范围 | |
random_matrix = np.random.uniform(a, b, size=(3, 3)) | |
print("随机数矩阵:\n", random_matrix) |
2.整数随机数:使用np.random.randint
函数可以生成指定范围内的整数随机数。
import numpy as np | |
# 生成形状为(3, 3)的整数随机矩阵,元素范围在low和high之间(包括low,不包括high) | |
low, high = 5, 10 # 指定范围 | |
random_matrix = np.random.randint(low, high, size=(3, 3)) | |
print("整数随机数矩阵:\n", random_matrix) |
3.正态分布:使用np.random.randn
或np.random.normal
函数可以生成符合正态分布的随机数。
import numpy as np | |
# 生成形状为(3, 3)的正态分布随机数矩阵,均值为mu,标准差为sigma | |
mu, sigma = 0, 1 # 均值和标准差 | |
random_matrix = np.random.normal(mu, sigma, size=(3, 3)) | |
print("正态分布随机数矩阵:\n", random_matrix) |
3.其他分布:NumPy还提供了其他分布,如指数分布(np.random.exponential
)、泊松分布(np.random.poisson
)等,您可以根据需要选择合适的函数。
请注意,上述函数中的size
参数用于指定输出数组的形状。如果您想生成一个3x3的矩阵,就应该将size
设置为(3, 3)
。此外,还可以通过调整分布的参数(如均值、标准差、范围等)来控制随机数的特性。
这些只是NumPy功能的冰山一角。NumPy还提供了大量的数学函数、统计函数、线性代数函数等,可以方便地处理各种数值计算任务。无论是数据科学、机器学习还是科学计算,NumPy都是一个非常强大的工具。
总的来说,NumPy是一个强大且灵活的工具,对于需要进行数值计算和数据处理的任务来说,它是一个不可或缺的选择。
相关文章:
浅述python中NumPy包
NumPy(Numerical Python)是Python的一种开源的数值计算扩展,提供了多维数组对象ndarray,是一个快速、灵活的大数据容器,可以用来存储和处理大型矩阵,支持大量的维度数组与矩阵运算,并针对数组运…...
jvm的面试回答
1、jvm由本地方法栈、虚拟机栈、方法区、程序计数器、堆组成,其中堆和方法区是线程间共享的,程序计数器、虚拟机栈和本地方法栈是线程私有的。 2、虚拟机栈: 保存每个java方法的调用、保存局部变量表、等 栈可能出现内存溢出,如果…...
打不动的蓝桥杯
打不动的蓝桥杯 2024-4-13 今天的蓝桥杯打得很烂,8题写了4题,100分可能有20来分吧。我写了的题好像都很简单,没什么竞争力。又觉得我知道的东西不止这么点,没能发挥。 这次比赛,首先,有强烈的陌生感。pytho…...
学习笔记——C语言基本概念文件——(13)
1、文件操作 1.1、文件概念 文件:实现数据存储的载体 1.2、文件的分类 按照数据的组织形式分类: 1.字符文件/文本文件 2.二进制文件 按照用途分类: 1.系统文件 2.库文件--标准库文件/非标准库文件(第三方库) 3.用…...
【MySQL】事务篇
SueWakeup 个人主页:SueWakeup 系列专栏:学习技术栈 个性签名:保留赤子之心也许是种幸运吧 目录 本系列专栏 1. 什么是事务 2. 事务的特征 原子性(Atomicity) 一致性(Consistency) 隔离性&…...
tsconfig.json文件常用配置
最近在学ts,因为tsconfig的配置实在太多啦,所以写此文章用作记录,也作分享 作用? tsconfig.jsono是ts编译器的配置文件,ts编译器可以根据它的信息来对代码进行编译 初始化一个tsconfig文件 tsc -init配置参数解释 …...
【Linux】tcpdump P1 - 网络过滤选项
文章目录 选项 -D选项 -c X选项 -n选项 -s端口捕获 port选项 -w总结 tcpdump 实用程序用于捕获和分析网络流量。系统管理员可以使用它来查看实时流量或将输出保存到文件中稍后分析。本文将演示在日常使用 tcpdump时可能想要使用的几种常见选项。 选项 -D 使用-D 选项的 tcpdu…...
网络篇04 | 应用层 mqtt(物联网)
网络篇04 | 应用层 mqtt(物联网) 1. MQTT协议介绍1.1 MQTT简介1.2 MQTT协议设计规范1.3 MQTT协议主要特性 2 MQTT协议原理2.1 MQTT协议实现方式2.2 发布/订阅、主题、会话2.3 MQTT协议中的方法 3. MQTT协议数据包结构3.1 固定头(Fixed header…...
Transformer模型-decoder解码器,target mask目标掩码的简明介绍
今天介绍transformer模型的decoder解码器,target mask目标掩码 背景 解码器层是对前面文章中提到的子层的包装器。它接受位置嵌入的目标序列,并将它们通过带掩码的多头注意力机制传递。使用掩码是为了防止解码器查看序列中的下一个标记。它迫使模型仅使用…...
All in One:Prometheus 多实例数据统一管理最佳实践
作者:淡唯(啃唯)、阳其凯(逸陵) 引言 Prometheus 作为目前最主流的可观测开源项目之一,已经成为云原生监控的事实标准,被众多企业广泛应用。在使用 Prometheus 的时候,我们经常会遇…...
mysql报错-mysql服务启动停止后,某些服务在未由其他服务或程序使用时将自动停止和数据恢复
启动mysql服务时出现该错误: 本地计算机上的mysql服务启动停止后,某些服务在未由其他服务或程序使用时将自动停止。 我的mysql版本是8.0.18 系统:win10 如何安装mysql,可以看我这一篇文章:mysql的安装 ---必会 - bigbigbrid - 博客园 (cn…...
Java开发从入门到精通(二十):Java的面向对象编程OOP:File文件操作的增删改查
Java大数据开发和安全开发 (一)Java的文件操作1.1 Java的File和IO流概念1.2 File类的使用1.2.1 创建File类的对象1.2.2 常用方法1:判断文件类型、获取文件信息1.2.3 常用方法2:创建文件、删除文件1.2.4 常用方法3:遍历文件夹 1.3 java File的方法递归1.3…...
10.list的模拟实现(普通迭代器和const迭代器的类模板)
1. list的介绍及使用 1.1 list的介绍 list的文档介绍 list是可以在常数范围内在任意位置进行插入和删除的序列式容器,并且该容器可以前后双向迭代。 list的底层是双向链表结构,双向链表中每个元素存储在互不相关的独立节点中,在节点中通过…...
【电控笔记5】电流环速度环三环参数整定
旋转坐标系下的电压方程,由id和iq计算出ud和uq Lq:q轴电感 Ld:d轴电感 输入是电流,输出是电压? 内嵌式pmsm(ipmsm)模型建立: 其中: λf是转子磁场在定子绕组所产生的磁通链,为一常数,在psms中转子磁场非常稳定几乎不变。 ipmsm转矩方程式: 对永磁同步马达而言,使…...
AI克隆语音(基于GPT-SoVITS)
概述 使用GPT-SoVITS训练声音模型,实现文本转语音功能。可以模拟出语气,语速。如果数据质量足够高,可以达到非常相似的结果。相比于So-VITS-SVC需要的显卡配置更低,数据集更小(我的笔记本NVIDIA GeForce RTX 4050 Lap…...
小蚕爬树问题
小蚕爬树问题 问题描述: 编写一个函数 int day(int k,int m,int n),其功能是:返回小蚕需要多少天才能爬到树顶(树高 k 厘米,小蚕每天白天向上爬 m 厘米,每天晚上下滑 n 厘米,爬到树顶后不再下滑࿰…...
科研学习|科研软件——如何使用SmartPLS软件进行结构方程建模
SmartPLS是一种用于结构方程建模(SEM)的软件,它可以用于定量研究,尤其是在商业和社会科学领域中,如市场研究、管理研究、心理学研究等。 一、准备数据 在使用SmartPLS之前,您需要准备一个符合要求的数据集。…...
实用工具系列-ADB使用方式
作者持续关注 WPS二次开发专题系列,持续为大家带来更多有价值的WPS开发技术细节,如果能够帮助到您,请帮忙来个一键三连,更多问题请联系我(WPS二次开发QQ群:250325397),摸鱼吹牛嗨起来࿰…...
计算机网络书籍--《网络是怎样连接的》阅读笔记
第一章 浏览器生成信息 1.1 生成HTTP请求信息 1.1.1 URL Uniform Resource Locator, 统一资源定位符。就是网址。 不同的URL能够用来判断使用哪种功能来访问相应的数据,比如访问Web服务器就要用”http:”,而访问FTP服务器用”ftp:”。 FTPÿ…...
antd+vue——datepicker日期控件——禁用日期功能
需求:今天之前的日期禁用 <a-date-pickerv-model.trim"formNE.deliveryTime":disabled-date"disabledDate"valueFormat"YYYY-MM-DD"allowClearstyle"width: 100%" />禁用日期的范围: //时间范围 disab…...
技术分享 | Appium 用例录制
下载及安装 下载地址: github.com/appium/appi… 下载对应系统的 Appium 版本,安装完成之后,点击 “Start Server”,就启动了 Appium Server。 在启动成功页面点击右上角的放大镜,进入到创建 Session 页面。配置好…...
[蓝桥杯 2018 省 A] 付账问题
【蓝桥杯】付账问题 [蓝桥杯 2018 省 A] 付账问题 题目描述 几个人一起出去吃饭是常有的事。但在结帐的时候,常常会出现一些争执。 现在有 n n n 个人出去吃饭,他们总共消费了 S S S 元。其中第 i i i 个人带了 a i a_i ai 元。幸运的是&#…...
设计模式|装饰器模式(Decorator Pattern)
文章目录 结构优缺点优点缺点适用场景示例装饰器模式(Decorator Pattern)是一种结构型设计模式,它允许在不改变原始对象的基础上,动态地给对象添加新的功能或责任。这种模式是通过创建一个包装对象,也就是装饰器,来包裹真实的对象,然后在装饰器中添加新的行为或功能。这…...
发作性睡病有性别差异吗?
发作性睡病是一种特殊的睡眠障碍,以不可控制的嗜睡、猝倒发作、睡眠瘫痪、入睡前幻觉以及夜间睡眠紊乱为主要临床特点。关于发作性睡病是否存在性别差异,不同的研究和报道给出了不同的结论。 一方面,从生理角度来看,男性和女性在…...
ppt从零基础到高手【办公】
第一章:文字排版篇01演示文稿内容基密02文字操作规范03文字排版处理04复习&作业解析第二章:图形图片图表篇05图形化表达06图片艺术化07轻松玩转图表08高效工具&母版统一管理09复习&作业解析10轻松一刻-文字图形小技巧速学第三章:…...
文件上传下载
文章目录 文件上传下载文件上传文件下载 文件上传下载 HTTP请求会包含一个请求头,其中"Content-Type"字段告诉服务器正在发送什么类型的数据。根据发送的数据类型,浏览器和服务器会采取适应的处理方式。 "multipart/form-data"是一…...
C++11 新特性:新增算法
C11 在标准库中引入了一系列新的算法,这些新增的算法使我们的代码写起来更简洁方便。 下面是 C11 中新增加的一些重要算法的简要描述和使用方法: 1、非修改序列操作 std::all_of:检查范围内的所有元素是否都满足指定的谓词。std::any_of&a…...
c/c++普通for循环学习
学习一下 for 循环的几种不同方式,了解一下原理及差异 完整的测试代码参考 GitHub :for 循环测试代码 1 常用形态 对于 for 循环来说,最常用的形态如下 for (表达式1; 表达式2; 表达式3) {// code }流程图如下: 编写测试代码…...
操作系统组成部分
从1946年诞生第一台电子计算机。 冯诺依曼结构 冯诺依曼是:数字计算机的数制采用二进制;计算机应该按照程序顺序执行。 常见的操作系统有三种类型 单用户单任务操作系统:只支持一个用户和一个任务的执行,如DOS;单用…...
深入理解DES算法:原理、实现与应用
title: 深入理解DES算法:原理、实现与应用 date: 2024/4/14 21:30:21 updated: 2024/4/14 21:30:21 tags: DES加密对称加密分组密码密钥管理S盒P盒安全性分析替代算法 DES算法简介 历史 DES(Data Encryption Standard)算法是由IBM研发&…...
网站规划作品/营销网站设计
海尔笔记本X3超级本拆机增加内存图文教程(解决后盖开不了问题)参考文章: (1)海尔笔记本X3超级本拆机增加内存图文教程(解决后盖开不了问题) (2)https://www.cnblogs.co…...
速冻蔬菜做哪个国际网站好/微信小程序怎么开通
本文讲的是专家预测 2009年SaaS或许能拯救统一通信,【IT168 资讯】尽管进行了大量宣传,但由于成本和部署的复杂性,统一通信市场一直不太景气。从传统服务过渡到软件在线服务(SaaS)可以加快统一通信产品的推广——这种模式的特点是企业可以试用…...
电子商务如何做网站销售/hyein seo是什么牌子
最近需要用Nagios监控几台Linux服务器,经过搜索学习,我成功的实现了这个目标。以下是整个安装流程和需要注意的事项。首先,需要明确的知道Nagios是如何监控LINUX服务器的。他们是通过NRPE addon实现交流的。NRPE addon包括了两个部分…...
做分类信息网站赚钱吗/网络广告的形式有哪些?
安装 在 Mac 下可以直接使用 homebrew 安装 nginx brew search nginxbrew install nginx启动 nginx: sudo nginx,访问 8080 应能看到欢迎界面 nginx -V 查看 nginx 的启动参数,配置文件的位置默认是 --conf-path/usr/local/etc/nginx/nginx.conf #重新加…...
wordpress dream chaser/企业培训公司有哪些
在实际开发过程中,服务与服务之间通信经常会使用到消息中间件,而以往使用了哪个中间件比如RabbitMQ,那么该中间件和系统的耦合性就会非常高,如果我们要替换为Kafka那么变动会比较大,这时我们可以使用SpringCloudStream…...
网站制作有哪些企业/分享几个x站好用的关键词
「自然数系的扩充」对自然数的认识可追溯到人类历史早期。对自然数的定义可以基于以下两条原则:一、认识到全体自然数具有大小顺序。二、认识到自然数在数轴上均匀分布。由此自然数显然可以在计数中广泛运用,此时其定义为 在数学发展中“ ”被有需要地引…...