网站封了给个能用的,营销型网站建设一般包含哪些内容,怎么用wordpress搭建网站,从零学建设网站018马经python每日学习11#xff1a;numpy库的用法(下) 数组的拼接 名方法称说明concatenate连接沿现有轴的数组序列hstack水平堆叠序列中的数组#xff08;列方向#xff09;vstack竖直堆叠序列中的数组#xff08;行方向#xff09;concatenate函数用于沿指定轴连接相同形状的两…python每日学习11numpy库的用法(下) 数组的拼接 名方法称说明concatenate连接沿现有轴的数组序列hstack水平堆叠序列中的数组列方向vstack竖直堆叠序列中的数组行方向concatenate函数用于沿指定轴连接相同形状的两个或多个数组格式numpy.concatenate((a1, a2, …), axis)# 列表的拼接
a[1,2,3]
b[4,5,6]
a.extend(b)
# 一维数组的拼接
xnp.arange(1,4)
ynp.arange(4,7)
print(np.concatenate([x,y]))
# 二维数组的拼接
anp.array([[1,2,3],[4,5,6]])
bnp.array([[a,b,c],[d,e,f]])
print(np.concatenate([a,b]))
print(np.concatenate([a,b],axis0))
print(np.concatenate([a,b],axis1))# hstack()、vstack()和dstack()的使用
# numpy.hstack它通过水平堆叠来生成数组。
# numpy.vstack 它通过垂直堆叠来生成数组
# vstack 与hstack的使用
anp.arange(1,4)
bnp.arange(4,7)
print(np.vstack([a,b]))
print(np.hstack([a,b]))
# 三维数组的拼接
# axis0可以使用vstack替换
# axis1可以使用hstack替换
# axis2可以使用dstack替换
aanp.arange(1,37).reshape(3,4,3)
bbnp.arange(101,137).reshape(3,4,3)
print(np.concatenate((aa,bb),axis0))#6 4 3
print(np.concatenate((aa,bb),axis1)) #3 8 3
print(np.concatenate((aa,bb),axis2))#3 4 6数组的转置 # 数组的转置将行与列对调即第一行变成第一列…或第一列变成第一行…的操作即使转置操作。
# transpose进行转换
anp.arange(1,13).reshape(2,6)
print(a)
print(a.transpose())
print(a.T)数组的分隔 # numpy.split 函数沿特定的轴将数组分割为子数组格式如下numpy.split(ary, indices_or_sections, axis)
# split分隔
xnp.arange(1,9)
anp.split(x,4)
print(a)
print(a[0])
print(a[1])
print(a[2])
print(a[3])
#传递数组进行分隔
bnp.split(x,[3,5])#左开右闭
print(b)
# 水平分隔使用hsplit函数可以水平分隔数组该函数有两个参数第1个参数表示待分隔的数组第2个参数表示要将数组水平分隔成几个小数组
# hsplit的使用
gridnp.arange(16).reshape(4,4)
a,bnp.hsplit(grid,2)
print(a)
print(b)
# 垂直分隔:使用vsplit函数可以垂直分隔数组该函数有两个参数第1个参数表示待分隔的数组第2个参数表示将数组垂直分隔成几个小数组。
# vsplit的使用
gridnp.arange(16).reshape(4,4)
a,bnp.vsplit(grid,2)#行分成 01 23
a,b,cnp.vsplit(grid,[1,3])#行分成 0 12 3数学函数 方法说明np.abs()、np.fabs()计算整数、浮点数的绝对值np.sqrt()计算各元素的平方根np.reciprocal()计算各元素的倒数np.square()计算各元素的平方np.exp()计算各元素的指数exnp.log() np.log10() np.log2()计算各元素的自然对数、底数为10的对数、底数为2的对数np.sign()计算各元素的符号1整数、0零、-1负数np.ceil() np.floor() np.rint()对各元素分别向上取整、向下取整、四舍五入np.modf()将各元素的小数部分和整数部分以两个独立的数组返回np.cos() 、np.sin()、np.tan(对各元素求对应的三角函数np.add()、np.subtract()、np.multiply()、np.divide()对两个数组的各元素执行加法、减法、乘法、除法求每个元素的倒数a[3,4,5,6,7,8]
bnp.array(a)
print(1/b)
# reciprocal()函数的使用
anp.arange(1,10,dtypenp.float32).reshape(3,3)
print(np.reciprocal(a))
# square()函数的使用
# 一维数组
anp.arange(1,10)
print(np.square(a))
#二维数组
aanp.arange(1,13).reshape(3,4)
print(np.square(aa))
# sign()函数的使用
anp.arange(-5,5)
print(np.sign(a))#计算各元素的符号1整数、0零、-1负数
# modf()函数的使用
bnp.arange(-5,5,0.4)
print(np.modf(b))
# 三角函数的使用:NumPy 提供了标准的三角函数sin()、cos()、tan()。
xnp.linspace(1,10,5)
ynp.sin(x)
print(y)
# numpy.around(a,decimals) 函数返回指定数字的四舍五入值
# decimals: 舍入的小数位数。 默认值为0。 如果为负整数将四舍五入到小数点左侧的位置
# numpy.floor() 返回数字的下舍整数。
# numpy.ceil() 返回数字的上入整数。
anp.array([1.0,4.55,123,0.657,25.323])
print(np.around(a))
print(np.around(a, decimals1))
print(np.around(a, decimals-1))
print(np.rint(a))
print(np.floor(a))
print(np.ceil(a))算术函数 # 算术函数如果参与运算的两个对象 都是ndarray并且形状相同那么会对位彼此之间进行 - * /运算。NumPy 算术函数包含简单的加减乘除: add()subtract()multiply() 和 divide()。
# 算术函数的使用
anp.arange(9,dtypenp.float32).reshape(3,3)
bnp.array([10,10,10])
print(np.add(a,b))
print(np.subtract(a,b))
print(np.multiply(a, b))
print(np.divide(a, b))
# 算术函数中out参数的使用
xnp.arange(5)
ynp.empty_like(x)
np.multiply(x,10,outy)
print(y)
# mod()函数的使用
# numpy.mod() 计算输入数组中相应元素的相除后的余数。函数
# numpy.remainder() 也产生相同的结果。
anp.array([10,10,30])
bnp.array([3,5,7])
print(np.mod(a, b))
print(np.remainder(a, b))统计函数 方法说明np.sum()求和np.prod()所有元素相乘np.mean()平均值np.std()标准差np.var()方差np.median(中数np.power()幂运算np.sqrt()开方np.min()最小值np.max()最大值np.argmin()最小值的下标np.argmax()最大值的下标np.cumsum()对数组中元素累积求和可指定轴np.cumprod()对数组中元素累积求积可指定轴np.ptp()计算一组数中最大值与最小值的差可指定轴np.unique()删除数组中的重复数据并对数据进行排序np.nonzero()返回数组中非零元素的索引power()函数的使用xnp.arange(1,5)
ynp.empty_like(x)
np.power(x,2,outy)
print(y)
# median ()函数的使用
anp.array([4,2,1,5])
print(np.median(a))#计算偶数个的中位数
anp.array([4,2,5])
print(np.median(a))#奇数个的中位数
anp.arange(1,16).reshape(3,5)
print(np.median(a))
print(np.median(a,axis0))#中间行
print(np.median(a,axis1))#中间列
#mean函数的使用
anp.arange(1,11).reshape(2,5)
print(np.mean(a))
print(np.mean(a,axis0))
print(np.mean(a,axis1))
# 函数的使用
a np.random.randint(10,50,size20)
np.max(a)
np.sum(a)
np.min(a)
np.max(a)
np.ptp(a)
np.unique(a)
np.nonzero(a)其他常用函数 方法说明np.tile()将数组的数据按照行列复制扩展np.repeat()将数组中的每个元素重复若干次roll()沿指定轴对数组元素进行移位resize()重新调整数组的大小place()/put()将数组中满足条件的元素/指定的元素替换为指定的值np.savetxt()将数据保存到txt文件中np.loadtxt()从文件中加载数据np.genfromtxt()根据文件内容中生成数据可以指定缺失值的处理等np.any()如果数组中存在一个为True的元素或者能转为True的元素则返回np.all()True如果数组中所有元素都为True或者能转为True的元素则返回Truenp.where(条件,x,y)如果条件为True对应值为x否则对应值为ynp.dot()将矩阵相乘np.sort()对数组进行排序返回一个新的排好序的数组原数组不变np.sort()返回的是数组值从小到大排序后元素对应的索引值# tile()和repeat()函数的使用
anp.arange(4)
np.tile(a,2)##复制2次
np.tile(a,(3,2))#行列复制
print(np.repeat(a, 2))
anp.arange(1,13).reshape(3,4)
np.repeat(a,2)
print(np.repeat(a, 2, axis0))
print(np.repeat(a, 2, axis1))
# roll()函数的使用
bnp.arange(12)
print(np.roll(b, 3))#一维数组,向后调3个
print(np.roll(b, -1))#向前调2个
aanp.arange(1,13).reshape(3,4)
print(np.roll(aa, 2))
print(np.roll(aa, 2, axis0))
# resize()函数的使用
aa.reshape(4,3)#修改维度元素个数必须相同
np.resize(aa,(5,6)) #resize重新调整数组的大小元素个数可以不相同
# replace()和put()函数的使用
aanp.random.randint(40,100,(3,4))
np.place(aa,aa60,0)##小于60分的 全部替换为0
aanp.arange(1,13).reshape((3,4))
np.put(aa,2,100)#put()指定的索引处的元素替换为指定的值
# savetxt()和loadtxt()函数的使用
anp.random.randint(-50,100,1000)
#保存
np.savetxt(savetxt.txt,a,fmt%d)
#加载
bnp.loadtxt(savetxt.txt,dtypeint)
# any()、all()函数的使用
xnp.array([False,True,False,1,0,True])
np.any(x)#any函数 只要有一个元素为True则结果返回True
np.all(x)#all函数 只有所有元素都为True则结果返回True
# where()函数的使用
np.random.seed()
anp.random.randint(20,100,10)
print(a)
print(np.where(a50,True,False))
# dot函数的使用
xnp.array([[1,2],[3,4]])
ynp.array([[2,3],[1,2]])
x.dot(y)#dot函数 矩阵相乘 矩阵相乘前提是第一个矩阵的列数和第二个矩阵的行数要相同
x.dot(3) #每个元素与3相乘数组排序 # 数组排序:排序中主要用到的方法是np.sort和np.argsort。其中np.sort()是对数组直接排序。而np.argsort()是返回排序后的原始索引。
# 一维数组排序
anp.array([5,2,4,5,7,3,8])
print(np.sort(a))
print(np.argsort(a))#np.argsort()是返回排序后的原始索引。
# 二维数组排序
np.random.seed(44)
anp.random.randint(100,size(4,6))
print(np.sort(a))
print(np.sort(a,axis0))#上行比下行小
print(np.sort(a,axis1))#左列比右列小
# 按最后一列进行排序
ba[:-1]
print(b)#可以先获取最后一列的数组
indexnp.argsort(b)#获取最后一列数组排序后的原始索引numpy广播机制 # 广播的规则
# 1如果两个数组维度个数不同那么小维度的数组形状会在左边补1
# 2如果两个数组形状在任何一个维度上都不匹配数组的形状会沿着维度为1的维度扩展到匹配上另一个数组的形状
# 3如果没有维度形状为1则会引发异常两个数组相加
# 0 1 2 0 0 0
# 0 1 2 1 1 1
# 0 1 2 2 2 2
anp.array([0,1,2])
print(a5)
bnp.array([2,2,2])
print(ab)
# 维度不相同的数组相加
anp.arange(3)
bnp.arange(3).reshape(3,1)
print(ab)比较掩码 # 比较掩码:比较操作会返回与参与运算数组形状相同的数组其中满足条件的为True不满足的为False
# 数组的比较操作
anp.array([[1,2,39],[34,45,67]])#传入的数组需要和a形状一致且类型为Bool类型这个叫做掩码式索引
print(a50)
# 掩码式索引取值过滤掉不符合条件的
print(a[np.array([[True,True,True],[True,True,False]])])
print(a[a50])
