numpy使用

目录

1:创建numpy

zeros,ones,full

range用法

np的arange用法

 np的linspace用法

 np的random用法

 np的normal用法

数据访问

 数据访问

 分片访问

 合并与分割 *** 作

合并concatenate用法

 vstack和hstack的 *** 作

 分割的split

---

使用numpy需要导入---import numpy as np

1:创建numpy zeros,ones,full

这里：zeros生成的元素值为0，ones生成元素的值为1，full是给定值

用法：

           np.zeros(数或元组，dtype=具体类型)

其中dtype不指定时候，默认float 

           np.full(shape=(元组),fill_value=指定值)

当然shape和fill_value不必显示给出，直接写参数即可，但为了程序可读性，最好写上

range用法

注意range的三个参数，类似于for循环的三个：起始值，结束值（不取等），步长

np的arange用法

参数同range，但是步长可以取浮点数，而range步长只能取等

如果不指定起始和步长，默认为0,1.

 np的linspace用法

三个参数-----初始值，终止值，元素个数，其中：必有初始值和终止值，然后随机从范围内按顺序选取符合的元素个数。默认浮点值

 np的random用法

np.random.randint(随机数下界，随机数上界，size=数、元组）

 注意随机数生成靠种子，如果指定种子值，可使得两次生成一致
np.random.seed(指定值）

 np的normal用法

np.random.normal(均值，方差，size=数、元组）
不指定默认---均值为0，方差为1

数据访问

三个属性----size,shape,ndim

 

 数据访问

x[行][列]-------不建议，因为分片访问容易出错

x[行，列]或x[(行，列)]-------两个一致

 分片访问

语法----行起始：列起始：步长，不写默认为0，步长为1

 

 如果是具体的数，那么就是具体的某一行某一列

 numpy分割后的子数组和原数组是互相影响的，因为传参是引用

---

 发现从x分片的subx，subx的值改变会影响x,同理也会影响subx

 

 如果想互不影响用copy复制即可

 

reshape用法

 注意reshape参数必须是因子

reshape如果值是-1，就是只考虑行列

 合并与分割 *** 作 合并concatenate用法

要求维数一致，参数是[向量或矩阵]，默认是行，如果想改变列用---axis=1

 

---

 

 

---

 

 vstack和hstack的 *** 作

v:垂直，h:水平

只要满足行列维度一致，可以直接用

区别于concatenate还得转维度

 

 不符合维度也可以用--reshape

 分割的split

传参数：np.split(待分割，【，】）-----一个数是两部分，两个数是三部分

 

 

 同理---vsplit,hsplit