– start
import numpy as np
# numpy.array(object, dtype=none, copy=true, order='k', subok=false, ndmin=0)
a = np.array(((1, 2), (3, 4))) # 元組轉陣列
a = np.array([[1, 2], [3, 4]]) # 列表轉陣列
# numpy.zeros(shape, dtype=float, order='c')
# numpy.ones(shape, dtype=none, order='c')
# numpy.empty(shape, dtype=float, order='c')
a = np.zeros((2, 2)) # 初始化所有元素為 0
a = np.ones((2, 2)) # 初始化所有元素為 1
a = np.empty((2, 2)) # 空陣列
# numpy.zeros_like(a, dtype=none, order='k', subok=true)
# numpy.ones_like(a, dtype=none, order='k', subok=true)
# numpy.empty_like(a, dtype=none, order='k', subok=true)
x = np.array(((1, 2), (3, 4)))
a = np.zeros_like(x) # 初始化所有元素為 0， 從 x 獲取維度和元素型別
a = np.ones_like(x) # 初始化所有元素為 1， 從 x 獲取維度和元素型別
a = np.empty_like(x) # 空陣列， 從 x 獲取維度和元素型別
# numpy.arange([start, ]stop, [step, ]dtype=none)
a = np.arange(4) # 生成一維陣列
a = np.arange(4).reshape((2, 2)) # 先生成一維陣列，後變形為二維
# numpy.linspace(start, stop, num=50, endpoint=true, retstep=false, dtype=none)
a = np.linspace(0, 5, 10) # 從 0 到 5 生成跨度相同的 10 數
# eye(n, m=none, k=0, dtype=float, order='c')
a = np.eye(5, 5)
# numpy.random.rand(d0, d1, ..., dn)
# numpy.random.randn(d0, d1, ..., dn)
a = np.random.rand(3, 2) # 生成 0 - 1 的隨機數
a = np.random.randn(3, 2) # 生成隨機數
a = np.random.randint(0, 10) # 生成隨機整數
# numpy.fromfunction(function, shape, **kwargs)
a = np.fromfunction(lambda x, y: 10*x+y, (5, 4), dtype=int)
numpy多維陣列
ndarray是一種多維陣列物件 data 1,2,3 4,5,6 arr np.array data，dtype np.int32 print arr print shape arr.shape print arr.ndim 1 2 3 4 5 6 shape 2,3 2np.arange 2,1...
Numpy多維陣列
如果兩個矩陣的大小相同，我們可以使用算術運算子來進行兩個矩陣的計算。numpy將對兩個矩陣的對應位置進行操作處理。當兩個矩陣的大小不同，只有當其中乙個矩陣的維度為1時 例如矩陣只有一列或一行 我們才能在不同大小的矩陣上進行這些算術運算，在這種情況下，numpy將其廣播規則用於該操作 numpy為每個...
Numpy 多維陣列（上）
載入包 from numpy import 有多種方式 使用 python 列表或元祖，使用 arange,linspace 等函式，從檔案中讀取資料。v array 1,2,3,4 m array 1,2 3,4 type v 型別檢視，結果為numpy 模組提供的 ndarray 型別 v.sh...