Python學習手冊（二）numpy常用函式

1.python語法：列表推導式

2.numpy 一些函式

3.matplotlib 一些函式

4.matplotlib 高階函式

5.執行緒/程序函式

6.cython的使用

7.lmdb的讀取

y_c =[[
'red'
if y else
'blue'
]for y in y_]

將真值放if 前面，判斷條件放中間（一般判斷條件都會放if後面），（for後面是個列表生成器，列表生成式和推導式理解見：python高階用法）

寫法有點反直觀，但真的很簡潔

這部分的使用和python切片有關，：

python中符合序列的有序序列都支援切片（slice），例如列表，字串，元組。

格式：【start:end:step】 start:起始索引，從0開始，-1表示結束 end：結束索引 step：步長，end-start，步長為正時，從左向右取值。步長為負時，反向取值注意切片的結果不包含結束索引，即不包含最後的一位，-1代表列表的最後乙個位置索引

x[:,0]是由於二維陣列和切片組合的緣故，出現的一種常見的寫法：表示對乙個二維陣列，取該二維陣列第一維中的所有資料，第二維中取第0個資料，直觀來說，x[:,0]就是取所有行的第0個資料, x[:,1] 就是取所有行的第1個資料。

mport numpy as np  
x = np.array([[
0,1]
,[2,
3],[
4,5]
,[6,
7],[
8,9]
,[10,
11],[
12,13]
,[14,
15],[
16,17]
,[18,
19]])
print x[:,
0]

結果

這是乙個numpy的使用，

reshape函式

是numpy中乙個很常用的函式，作用是在不改變矩陣的數值的前提下修改矩陣的形狀。

1.簡單使用

2.使用預設值-1

預設值-1代表我不知道要給行（或者列）設定為幾，reshape函式會根據原矩陣的形狀自動調整。

按垂直方向（行順序）堆疊陣列構成乙個新的陣列。

（我覺得這個跟np.c_ 第二篇講的是乙個東西。。。。，）

（除開第一維外，被堆疊的矩陣各維度要一致。）

例子

import numpy as np
arr1 = np.array([1
,2,3
])arr2 = np.array([4
,5,6
])res = np.vstack(
(arr1, arr2)
)

輸出為

array([[
1,2,
3],[
4,5,
6]])

另外除了vstack，還有乙個hstack

np.hstack:按水平方向（列順序）堆疊陣列構成乙個新的陣列

x = np.vstack(x)
.reshape(-1
,2)#好了回到這個式子，意思是用垂直堆疊，行預設，列為2

從陣列的形狀中刪除單維度條目，即把shape中為1的維度去掉

>>
> a = e.reshape(1,
1,10)
>>
> a
array([[
[0,1
,2,3
,4,5
,6,7
,8,9
]]])
print
(x1)
# [1，1，10]
>>
> np.squeeze(a)
array([0
,1,2
,3,4
,5,6
,7,8
,9])
print
(x1.shape)
# ( ， ，10)

np.c_是按行連線兩個矩陣，就是把兩矩陣左右相加，要求行數相等，類似於pandas中的merge()。np.r_是按列連線兩個矩陣，就是把兩矩陣上下相加，要求列數相等，類似於pandas中的concat()。

import numpy as np
a = np.array([1
,2,3
])b = np.array([4
,5,6
])c = np.c_[a,b]
print
(np.r_[a,b]
)print
(c)print
(np.c_[c,a]
)

結果展示

[12
3456
][[1
4][2
5][3
6]][
[141
][25
2][3
63]]

grid是網格的意思

np.mgrid[start: end :step]

start:開始座標

stop:結束座標（不包括）

step:步長

舉例子

res = np.mgrid[-3
:3:.1
,-3:
3:.1]

生成從-3到3的二維座標

第一部分是y軸的範圍

第二部分是x軸的範圍

返回陣列的res[0]是y軸，res[1]是x軸

Python學習手冊（二）numpy常用函式

《Python學習手冊》（二）

機器學習之旅重要的Python庫 Numpy

Python學習手冊 02

Python學習手冊（二）numpy常用函式

《Python學習手冊》（二）

機器學習之旅 重要的Python庫 Numpy

Python學習手冊 02

相關推薦

機器學習之旅重要的Python庫 Numpy