**
import numpy as npa = np.arange(3,15)
print('-1-')
print(a)
print('-2-')
print(a[3])
a = np.arange(3,15).reshape((3,4))
print('-3-')
print(a[1])
print('-4-')
print(a[2][1])
# 第一行和第二行
print('-5-')
print(a[1:3])
print('-6-')
for row in a:
print (row)
print('-7-')
for column in a.t:
print (column)
print('-8-')
for item in a.flat:
print (item)
# 迭代器
print('-9-')
print(a.flat)
# 展成一行
print('-10-')
print(a.flatten())
a = np.array([1,1,1])
b = np.array([2,2,2])
# 上下合併
print('-11-')
print(np.vstack((a,b)))
c = np.vstack((a,b))
print('-12-')
print(a.shape, c.shape)
# 左右合併
d = np.hstack((a,b))
print('-13-')
print(d)
print('-14-')
print(a.shape, d.shape)
#橫向的數列轉化到列，行向加維度
print('-15-')
print(a[np.newaxis,:])
#縱向的數列轉化到行，縱向的新增維度
print('-16-')
print(a[:,np.newaxis])
a = np.array([1,1,1])[:,np.newaxis]
b = np.array([2,2,2])[:,np.newaxis]
# 三個向量的橫向合併
print('-17-')
print(np.hstack((a,a,b)))
# 三個向量的豎向合併
c = np.concatenate((a,b,b,a))
print('-18-')
print(c)
# 三個向量的豎向合併
c = np.concatenate((a,b,b,a), axis=0)
print('-19-')
print(c)
# 三個向量的橫向合併
c = np.concatenate((a,b,b,a), axis=1)
print('-20-')
print(c)
a = np.arange(12).reshape((3,4))
print('-21-')
print(a)
#分成兩塊，按列劃分，只能進行相等的劃分
print('-22-')
print(np.split(a,2,axis = 1))
print('-23-')
print(np.split(a,3,axis = 0))
#分成兩塊，按列劃分，進行不相等的劃分
print('-24-')
print(np.array_split(a,3,axis = 1))
# 垂直劃分
print('-25-')
print(np.vsplit(a,3))
# 豎直劃分
print('-26-')
print(np.hsplit(a,2))
a=np.arange(4)
b = a # 引用複製
c = a # abcd都是一樣
d = a
a[0] = 11
print('-27-')
print(b,c,d) # 都是11
d is a
e = a.copy() # deep copy
輸出
-1-[ 3 4 5 6 7 8 9 10 11 12 13 14]
-2-6
-3-[ 7 8 9 10]
-4-12
-5-[[ 7 8 9 10]
[11 12 13 14]]
-6-[3 4 5 6]
[ 7 8 9 10]
[11 12 13 14]
-7-[ 3 7 11]
[ 4 8 12]
[ 5 9 13]
[ 6 10 14]
-8-345
6789
1011
1213
14-9-
-10-
[ 3 4 5 6 7 8 9 10 11 12 13 14]
-11-
[[1 1 1]
[2 2 2]]
-12-
(3,) (2, 3)
-13-
[1 1 1 2 2 2]
-14-
(3,) (6,)
-15-
[[1 1 1]]
-16-
[[1]
[1][1]]
-17-
[[1 1 2]
[1 1 2]
[1 1 2]]
-18-
[[1]
[1][1]
[2][2]
[2][2]
[2][2]
[1][1]
[1]]
-19-
[[1]
[1][1]
[2][2]
[2][2]
[2][2]
[1][1]
[1]]
-20-
[[1 2 2 1]
[1 2 2 1]
[1 2 2 1]]
-21-
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
-22-
[array([[0, 1],
[4, 5],
[8, 9]]), array([[ 2, 3],
[ 6, 7],
[10, 11]])]
-23-
[array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,
9, 10, 11]])]
-24-
[array([[0, 1],
[4, 5],
[8, 9]]), array([[ 2],
[ 6],
[10]]), array([[ 3],
[ 7],
[11]])]
-25-
[array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,
9, 10, 11]])]
-26-
[array([[0, 1],
[4, 5],
[8, 9]]), array([[ 2, 3],
[ 6, 7],
[10, 11]])]
-27-
[11 1 2 3] [11 1 2 3] [11 1 2 3]
Numpy 筆記2 莫煩
如果你想要表示具體的單個元素，可以仿照上述的例子 print a 1 1 8此時對應的元素即a 1 1 在a中即橫縱座標都為1，第二行第二列的元素，即8 因為計數從0開始 同樣的還有其他的表示方法 print a 1,1 8在python的 list 中，我們可以利用 對一定範圍內的元素進行切片操作...
莫煩Python matplotlib基本使用篇
以下 可直接在pycharm下執行，前提是已安裝numpy和matplotlib。中的每個功能都進行了注釋，讀者可自行注釋某一部分 檢視結果，以便檢驗其中某個函式的功能。import matplotlib.pyplot as plt 匯入matplotlib import numpy as np p...
12NumPy學習 算術函式
numpy 算術函式包含簡單的加減乘除 add subtract multiply 和 divide 需要注意的是陣列必須具有相同的形狀或符合陣列廣播規則。import numpy as np a np.arange 9,dtype np.float reshape 3,3 print 第乙個陣列 ...