05 numpy 基本操作

2021-09-20 01:33:26 字數 2397 閱讀 3933

姓名/成績

語文數學

英語物理

tom90

100110

89ali

80100

3399

li89

9933

93

stu_info = np.array([

[90,100,110,89],

[80,100,33,99],

[89,99,33,93]

])

stu_info[1]
array([ 80, 100, 33, 99])

stu_info[1][1]

stu_info[1,1]

100

理解1:4 ,從第1位開始,保留4-1個值

stu_info[1,1:4]
array([100, 33, 99])

第乙個冒號,表示取所有人

stu_info[:,0]

array([90, 80, 89])

stu_info[np.ix_([0,2],[0,1,3])]

array([[ 90, 100, 89],

[ 89, 99, 93]])

stu_info[[0,2]].t[[0,1,3]].t

array([[ 90, 100, 89],

[ 89, 99, 93]])

print(stu_info)

stu_info[2] = [100,100,100,100]

print(stu_info)

stu_info[:,1] = [50,50,50]

print(stu_info)

[[ 90 100 110 89] [ 80 100 33 99] [ 89 99 33 93]]

[[ 90 100 110 89] [ 80 100 33 99] [100 100 100 100]]

[[ 90 50 110 89] [ 80 50 33 99] [100 50 100 100]]

注意:陣列建立後,大小就固定了,無法新增或刪除陣列的行與列

print(stu_info)

print(stu_info>60)

[[ 90 50 110 89] [ 80 50 33 99] [100 50 100 100]]

[[ true false true true] [ true false false true] [ true false true true]]

stu_info[(stu_info>60) & (stu_info<90)]
array([89, 80])

names = np.array(['joe','tom','anne'])

scores = np.array([[70,80,90],[77,88,99],[80,90,70]])

classes = np.array(['語文','數學','英語'])

print(names)

print(scores)

print(classes)

# 取joe的成績

print(names=='joe')

print(scores[names=='joe'])

# 輸出joe的數學成績

print(scores[names=='joe',classes=='數學'])

# 輸出joe和anne的成績

print(scores[(names=='joe')| (names=='anne')])

['joe' 'tom' 'anne']

[[70 80 90] [77 88 99] [80 90 70]]

['語文' '數學' '英語']

取joe的成績

[ true false false]

[[70 80 90]]

輸出joe的數學成績

[80]

輸出joe和anne的成績

[[70 80 90] [80 90 70]]

05 numpy陣列高階操作

import numpy as np x np.array 1 2 3 y np.array 4,5,6 b np.broadcast x,y 對y廣播x 1.print b.index print b.next 迴圈到下乙個 1,4 print b.next 迴圈到下乙個 1,5 print b....

numpy基本操作

算數運算子 等這些運算子為元素集,也就是說,它們只用於位置相同的元素之間,所得到的運算結果組成乙個新陣列 矩陣積 dot,表示矩陣乘機,表示對應元素相乘 np.dot a,b a.dot b 通用函式,通常叫做ufunc,它對陣列中的每個元素逐一進行操作,這表明,通用函式分別處理輸入陣列中的每個元素...

Numpy基本操作

索引 合併 分割 c a b c a b c a b c b 2 c 10 np.sin a c dot np.dot a,b 叉積 np.sum a np.min a np.max a np.sum a,axis 1 0行1列 np.min a,axis 0 np.max a,axis 1 np....