array的運算
對於一維矩陣~
in [2]: a=np.array([10,20,30,40]) #array([10, 20, 30, 40])
in [3]: b=np.arange(1,5,1) #array([1, 2, 3, 4])
常見的型別有
對於二維等多維矩陣：
主要是相乘的操作，使用 dot()函式，如
in [26]: a=np.array([[1,1],[0,1]])
out[26]:
array([[1, 1],
[0, 1]])
in [27]: b=np.arange(4).reshape((2,2))
out[27]:
array([[0, 1],
[2, 3]])
in [28]: a.dot(b)
out[28]:
array([[2, 4],
[2, 3]])
關於一些函式的使用 如最常見的 sum(), min(), max() ,mean()
in [34]: a=np.random.random((2,3))
out[35]:
array([[ 0.98019406, 0.73626175, 0.54824511],
[ 0.20193906, 0.66793905, 0.25067862]])
in [36]: np.sum(a)
out[36]: 3.3852576544623996
in [37]: np.min(a)
out[37]: 0.20193906400523154
in [38]: np.max(a)
out[38]: 0.98019406264193432
in [39]: np.mean(a)
out[39]: 0.56420960907706663
如果你需要對行或者列進行查詢運算，就需要在上述**中為 axis 進行賦值。 當axis的值為0的時候，將會以列作為查詢單元， 當axis的值為1的時候，將會以行作為查詢單元。
in [40]: a
out[40]:
array([[ 0.98019406, 0.73626175, 0.54824511],
[ 0.20193906, 0.66793905, 0.25067862]])
in [41]: print "sum",np.sum(a,axis=1)
sum [ 2.26470092 1.12055673]
in [42]: print "min",np.min(a,axis=0)
min [ 0.20193906 0.66793905 0.25067862]
in [43]: print "max",np.max(a,axis=1)
max [ 0.98019406 0.66793905]
numpy的快速學習 array的屬性與建立
1.numpy的引入 import numpy as np 2.列表轉化為矩陣 in 2 import numpy as np in 3 array np.array 1,2,3 2,3,4 in 4 print array 1 2 3 2 3 4 3.numpy 的屬性 in 5 array.sh...
Numpy學習筆記2 建立array的幾種方式
建立array的幾種方式 1 通過python的標準型別轉換 如 lists,tuples 2 通過munpy固有的一些函式建立物件 如 arange,zones等 3 通過從磁碟讀取陣列，或者標準的格式 4 通過位元組陣列，通過使用字串或者緩衝區 5 使用特定的庫函式，例如 random 下面是常...
numpy的asarray和array的區別
相同 array和asarray都可以將陣列轉化為ndarray物件 區別 當引數為一般陣列時，兩個函式結果相同 當引數本身就是ndarray型別時，array會新建乙個ndarray物件，作為引數的副本，但是asarray不會新建，而是與引數共享同乙個記憶體。1 引數是一般陣列 a 1,1 a是一...