>>> w=np.zeros((5,6))
>>> w
array([[ 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0.]])
>>> w.shape[0]
5>>> w.shape[1]
6w是乙個5行6列的矩陣
w.shape[0]返回的是w的行數
格式：tile（a,reps）
* a：array_like 輸入的array
* reps：array_like a沿各個維度重複的次數
for example：
a=[1,2]
tile(a,2)
out[10]: array([1, 2, 1, 2])
tile(a,(2,2))
out[11]:
array([[1, 2, 1, 2],
[1, 2, 1, 2]])
tile(a,(2,1))
out[12]:
array([[1, 2],
[1, 2]）
是在給sum函式中加入引數。sum（a，axis=0）或者是.sum(axis=1) 就有點不解了
在我實驗以後發現 我們平時用的sum應該是預設的axis=0 就是普通的相加
而當加入axis=1以後就是將乙個矩陣的每一行向量相加
例如：import numpy as np
np.sum([[0,1,2],[2,1,3],axis=1)
結果就是：array（[3,6]）
下面是自己的實驗結果，與上面的說明有些不符：
a = np.array([[0, 2, 1]])
print a.sum()
print a.sum(axis=0)
print a.sum(axis=1)
結果分別是：3, [0 1 2], [3]
b = np.array([0, 2, 1])
print b.sum()
print b.sum(axis=0)
print b.sum(axis=1)
結果分別是：3, 3, 執行錯誤：'axis' entry is out of bounds
可知：對一維陣列，只有第0軸，沒有第1軸
c = np.array([[0, 2, 1], [3, 5, 6], [0, 1, 1]])
print c.sum()
print c.sum(axis=0)
print c.sum(axis=1)
結果分別是：19, [3 8 8], [ 3 14 2]
argsort函式返回的是陣列值從小到大的索引值
examples：
one dimensional array:一維陣列
>>> x = np.array([3, 1, 2])
>>> np.argsort(x)
array([1, 2, 0])
某一行 array[行號,:]
某一列array[:,列號]
ones：全1
zeros：全0
empty：隨機數，取決於記憶體情況
zeros（（行，列））
假設a是乙個 m 行 n 列的矩陣；
a.min(0) : 返回a每一列最小值組成的一維陣列；
a.min(1)：返回a每一行最小值組成的一維陣列；
a.max(0)：返回a每一列最大值組成的一維陣列；
a.max(1)：返回a每一行最大值組成的一維陣列；
Numpy學習筆記
測試檔案裡的資料排列型別最好是有規律的，不可以隨便，否則將發生一些錯誤 genfromtxt函式 genfromtxt函式建立陣列 資料 genfromtxt主要執行兩個迴圈運算。第乙個迴圈將檔案的每一行轉換成字串序列。第二個迴圈將每個字串序列轉換為相應的資料型別。genfromtxt能夠考慮缺失的...
numpy學習筆記
1 array.ndim 用來輸出陣列的維度 2 array.shape 用來輸出陣列的形狀 3 arry.size 用來輸出陣列的大小見jupyter notebook的numpy function list 生成函式基本運算 直接用陣列的相加減乘除。也就是相對應的元素間的作用。關係運算 陣列元素...
NumPy學習筆記
example np.version np.array 1,2,3 4,5,6 np.zeros 3 3 np.ones 2 3,4 np.eye 3 np.range 5 0,1,2,3,4 np.random.rand 2,3 np.random.randint 5,size 2 3 value...