1.numpy array與python list
相同點：
*可以通過索引獲取元素。
*遍歷 for x in a：
不同點：
*numpy陣列中各元素都屬於同一型別。
*numpy擁有很多可以使用的函式，如mean() ,std()。
*numpy陣列可以是多維的。
2.運算
a = np.array([1, 2, 3, 4])
b = np.array([1, 2, 3, 4])
print a + b #[2 4 6 8]
print a - b #[0 0 0 0]
print a * b #[ 1 4 9 16]
print a / b #[1 1 1 1]
print a ** b #[1 4 27 256]
a*3 #array([ 3, 6, 9, 12])c= np.array([true, true, false, false])
d= np.array([true, false, true, false])
print c & d #[ true false false false]
print c | d #[ true true true false]
print ~c #[false false true true]
print c & true #[ true true false false]
print d & false #[false false false false]
e = 2
print a != e
print a > e
print a >= e
print a < e
print a <= e
print a == e
[ true false true true]
[false false true true]
[false true true true]
[ true false false false]
[ true true false false]
[false true false false]
f= np.array([1, 2, 3, 4])
g=np.array([true,true,false,false])
f[g] #array([1, 2])
f[f<3] #array([1, 2])
f[g==true] #array([1, 2])
#+=改變原有陣列h
h= np.array([1, 2, 3, 4])
i = h
h+=h
print i # [2 4 6 8]
#+ 建立新陣列，不改變h
h= np.array([1, 2, 3, 4])
i = h
h=h+np.array([1, 2, 3, 4])
print i #[1 2 3 4]
機器學習 numpy向量化程式設計
numpy 提供了專門的矩陣資料結構和線性代數庫，完全實現了向量化程式設計 import numpy as np from numpy import mylist 1,2,3,4,5 a 10 mymatrix np.mat mylist print a mymatrix 輸出結果為 10 20 3...
Numpy基礎 陣列與向量化計算
一 多維陣列 1 生成ndarray array函式 1 np.array import numpy as np data1 6,7.5,8,0,1 建立簡單的列表 print data1 arr1 np.array data1 將列表轉化為陣列 print arr1 2 ndarry的資料型別 1...
Numpy學習10 向量化和廣播
我們先看乙個numpy中向量化的例子 a np.arange 1,5 b np.arange 1,5 print a,b,a b 1 234 123 4 2 468 print a i b i for i in range 4 2,4,6,8 c x for x in range 1 5 d x f...