亚洲中字慕日产2020,大陆极品少妇内射AAAAAA,无码av大香线蕉伊人久久,久久精品国产亚洲av麻豆网站

資訊專(zhuān)欄INFORMATION COLUMN

Python Numpy 筆記

imingyu / 3547人閱讀

摘要：在中維度稱(chēng)為軸，軸的數(shù)量稱(chēng)為秩的數(shù)組類(lèi)叫做返回字符串表示的類(lèi)型名稱(chēng)接受浮點(diǎn)數(shù)，但是由于精度影響，輸出的元素個(gè)數(shù)不確定。

這次機(jī)器學(xué)習(xí)的作業(yè)可以用第三方庫(kù)了，果斷拋棄 MATLAB 改用 Python
但是操作數(shù)組的 Numpy 之前一直沒(méi)用過(guò)，今天先看看官方教程入個(gè)門(mén)

The Basics

Numpy 中主要的對(duì)象是同類(lèi)元素組成的多維數(shù)組，可以通過(guò)一個(gè)正整數(shù)的元組進(jìn)行索引。
在 Numpy 中維度(dimension)稱(chēng)為軸(axes)，軸的數(shù)量稱(chēng)為秩rank

[[1., 0., 0.], [0., 1., 2.]] ：rank=2
the first dimension has a length of 2, the second dimension has a length of 3

Numpy 的數(shù)組類(lèi)叫做 ndarray or array
attributes:

ndarray.ndim

ndarray.shape

ndarray.size

ndarray.dtype：ndarray.dtype.name 返回字符串表示的類(lèi)型名稱(chēng)

ndarray.data

Example:

>>> import numpy as np
>>> a = np.arange(15).reshape(3, 5)
>>> a
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])
>>> a.shape
(3, 5)
>>> a.ndim
2
>>> a.dtype.name
"int64"
>>> a.itemsize
8
>>> a.size
15
>>> type(a)

>>> b = np.array([6, 7, 8])
>>> b
array([6, 7, 8])
>>> type(b)
Array Creation

create from list/tupe:

a = np.array([1, 2, 3])

b = np.array([[1, 2, 3], [4, 5, 6]], dtype=float)

create with shape:

zeros: np.zeros((3, 4))

ones: np.ones((2, 4, 3))

empty: np.empty((2, 3)) uninitialized

create sequences of number (similar to range()):

arange: np.arange(10, 30, 5) syntax is the same as range() but returns array

接受浮點(diǎn)數(shù)，但是由于精度影響，輸出的元素個(gè)數(shù)不確定。這種情況應(yīng)使用 linspace

linspace: np.linspace(0, 2, 9) return an array contains 9 numbers from 0 to 2

Basic Operations

算數(shù)操作對(duì)于 array 是按元素運(yùn)算的，并返回一個(gè)新的 array 

>>> a = np.array( [20,30,40,50] )
>>> b = np.arange( 4 )
>>> b
array([0, 1, 2, 3])
>>> c = a-b
>>> c
array([20, 29, 38, 47])
>>> b**2
array([0, 1, 4, 9])
>>> 10*np.sin(a)
array([ 9.12945251, -9.88031624,  7.4511316 , -2.62374854])
>>> a<35
array([ True, True, False, False], dtype=bool)
>>> A = np.array( [[1,1],
...             [0,1]] )
>>> B = np.array( [[2,0],
...             [3,4]] )
>>> A*B                         # elementwise product
array([[2, 0],
       [0, 4]])

# 兩種矩陣乘法
>>> A.dot(B)
array([[5, 4],
       [3, 4]])
>>> np.dot(A, B)
array([[5, 4],
       [3, 4]])

一元運(yùn)算 (sum, min, max)

>>> a = np.random.random((2,3))
>>> a
array([[ 0.18626021,  0.34556073,  0.39676747],
       [ 0.53881673,  0.41919451,  0.6852195 ]])
>>> a.sum()
2.5718191614547998
>>> a.min()
0.1862602113776709
>>> a.max()
0.6852195003967595
>>> b = np.arange(12).reshape(3,4)
>>> b
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
>>>
>>> b.sum(axis=0)                            # sum of each column
array([12, 15, 18, 21])
>>>
>>> b.min(axis=1)                            # min of each row
array([0, 4, 8])
Indexing, slicing and iterating

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://www.ezyhdfw.cn/yun/44658.html

相關(guān)文章

  • python學(xué)習(xí)筆記 --- python中的list和numpy中的矩陣分析

    摘要：中的和中的矩陣分析由于之前在做的源碼學(xué)習(xí)，并且將其的源碼翻譯成了的版本。在逛知乎里，我又發(fā)現(xiàn)了很多關(guān)于為什么這么快的討論，很有意思。作者鏈接來(lái)源知乎著作權(quán)歸作者所有。 python中的list和numpy中的矩陣分析 Author : Jasper Yang School : Bupt preface 由于之前在做GIbbsLDA++的源碼學(xué)習(xí)，并且將其c++的源碼翻譯成了pyth...

    DobbyKim 評(píng)論0 收藏0

  • Python數(shù)據(jù)分析實(shí)用程序

    摘要：機(jī)器學(xué)習(xí)由于數(shù)據(jù)量較大，技術(shù)已成為必要。以下腳本演示了世界銀行數(shù)據(jù)的線性回歸實(shí)用程序和緩存下載程序省略了水印和繪圖標(biāo)簽的代碼代碼應(yīng)顯示以下圖像該計(jì)劃下載年世界銀行數(shù)據(jù)，并將嬰兒死亡率與人均進(jìn)行對(duì)比。 showImg(https://segmentfault.com/img/remote/1460000019179713); 來(lái)源 | 愿碼(ChainDesk.CN)內(nèi)容編輯 愿碼Sl...

    mozillazg 評(píng)論0 收藏0

  • Programming Computer Vision with Python （學(xué)習(xí)筆記二）

    摘要：首先介紹跟圖像處理顯示有關(guān)兩個(gè)庫(kù)和，然后介紹增強(qiáng)圖像對(duì)比度的實(shí)現(xiàn)原理。直方圖均衡化就是為了達(dá)到這個(gè)目的，均衡化后的圖像，像素落在每個(gè)灰度級(jí)上的個(gè)數(shù)是相等的。 首先介紹跟圖像處理、顯示有關(guān)兩個(gè)庫(kù)：NumPy和Matplotlib，然后介紹增強(qiáng)圖像對(duì)比度的實(shí)現(xiàn)原理。 NumPy NumPy是Python用于科學(xué)計(jì)算的基礎(chǔ)庫(kù)，提供了一些很有用的概念，如：N維數(shù)組對(duì)象，可用于表示向量、矩陣、圖...

    Berwin 評(píng)論0 收藏0

  • Python數(shù)據(jù)分析學(xué)習(xí)筆記之Pandas入門(mén)

    摘要：是一個(gè)數(shù)據(jù)分析的開(kāi)源庫(kù)。與表格或關(guān)系數(shù)據(jù)庫(kù)中的表非常神似。注意帶有一個(gè)索引，類(lèi)似于關(guān)系數(shù)據(jù)庫(kù)中的主鍵。的統(tǒng)計(jì)函數(shù)分組與聚合通過(guò)方法，可以對(duì)數(shù)據(jù)組施加一系列的函數(shù)。函數(shù)的作用是串聯(lián)，追加數(shù)據(jù)行使用函數(shù)。 pandas(Python data analysis)是一個(gè)Python數(shù)據(jù)分析的開(kāi)源庫(kù)。pandas兩種數(shù)據(jù)結(jié)構(gòu)：DataFrame和Series 安裝：pandas依賴于NumPy...

    zqhxuyuan 評(píng)論0 收藏0

  • SegmentFault 技術(shù)周刊 Vol.30 - 學(xué)習(xí) Python 來(lái)做一些神奇好玩的事情吧

    摘要：學(xué)習(xí)筆記七數(shù)學(xué)形態(tài)學(xué)關(guān)注的是圖像中的形狀，它提供了一些方法用于檢測(cè)形狀和改變形狀。學(xué)習(xí)筆記十一尺度不變特征變換，簡(jiǎn)稱(chēng)是圖像局部特征提取的現(xiàn)代方法基于區(qū)域圖像塊的分析。本文的目的是簡(jiǎn)明扼要地說(shuō)明的編碼機(jī)制，并給出一些建議。 showImg(https://segmentfault.com/img/bVRJbz?w=900&h=385); 前言 開(kāi)始之前，我們先來(lái)看這樣一個(gè)提問(wèn)： pyth...

    lifesimple 評(píng)論0 收藏0

發(fā)表評(píng)論

0條評(píng)論

最新活動(dòng)
閱讀需要支付1元查看
<