前往小程序，Get更优阅读体验！
立即前往
文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
首页
学习
活动
专区
工具
TVP最新优惠活动
返回腾讯云官网
社区首页 >专栏 >numpy总结

numpy总结

作者头像
北山啦
发布于 2022-11-27 12:58:32
2.3K0
发布于 2022-11-27 12:58:32
举报
文章被收录于专栏：北山啦的博客

Python从入门到精通2–numpy总结

在这里插入图片描述
在这里插入图片描述

文章目录

1.查看numpy版本

代码语言：javascript
复制
import numpy as np
print(np.__version__)
代码语言：javascript
复制
1.19.2

2.创建十个全为0的一维数组

代码语言：javascript
复制
np.zeros(10)
代码语言：javascript
复制
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

3.修改数据类型为整数

代码语言：javascript
复制
np.zeros(10,dtype = 'int')
代码语言：javascript
复制
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

4.创建固定步长的数

代码语言：javascript
复制
np.arange(0,100,5)
代码语言：javascript
复制
array([ 0,  5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80,
       85, 90, 95])

5.列表创建数组

代码语言：javascript
复制
List = [1,2,3,4,5,6,7,8,9]
result = np.array(List)
result
代码语言：javascript
复制
array([1, 2, 3, 4, 5, 6, 7, 8, 9])

6.创建全是1的矩阵

代码语言：javascript
复制
#方法1
np.ones((3,3))
#方法2
np.array([[ 1., 1., 1.],
       [ 1., 1., 1.],
       [ 1., 1., 1.]])
代码语言：javascript
复制
array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

7.创建布尔类型的True

代码语言：javascript
复制
np.full((2,2), True, dtype=bool)
代码语言：javascript
复制
array([[ True,  True],
       [ True,  True]])

8.创建等差数列

备注：从5开始，50结束，共10个数据

代码语言：javascript
复制
np.linspace(start=5,stop=50,num=10)
代码语言：javascript
复制
array([ 5., 10., 15., 20., 25., 30., 35., 40., 45., 50.])

9.创建等差数列

代码语言：javascript
复制
np.arange(start = 5, stop = 55, step = 5,dtype = 'int32')
代码语言：javascript
复制
array([ 5, 10, 15, 20, 25, 30, 35, 40, 45, 50])

10.创建3x3矩阵

备注：矩阵元素均为0—10之间的随机数

代码语言：javascript
复制
np.random.randint(0,10,(3,3))
代码语言：javascript
复制
array([[5, 3, 3],
       [2, 0, 4],
       [7, 6, 2]])

11.创建3x3矩阵

备注：矩阵元素均为服从标准正态分布的随机数

代码语言：javascript
复制
np.random.randn(3, 3)
代码语言：javascript
复制
array([[ 0.77191714,  1.99485092,  0.36574655],
       [-2.35963788, -0.18879237,  1.00267285],
       [-1.20021396, -0.87413623, -0.17664144]])

12.将第五题的result修改为3x3矩阵

代码语言：javascript
复制
result = result.reshape(3,3)

13.对上一题生成的result取转置

代码语言：javascript
复制
result.T
代码语言：javascript
复制
array([[1, 4, 7],
       [2, 5, 8],
       [3, 6, 9]])

14.查看数据类型

代码语言：javascript
复制
result.dtype
#dtype('int64')
代码语言：javascript
复制
dtype('int32')

15.查看内存占用

代码语言：javascript
复制
#方法一：直接查看
print(result.nbytes)
#方法2手动计算
print(result.itemsize * 9)
代码语言：javascript
复制
36
36

16.将数据类型修改为float

代码语言：javascript
复制
result = result.astype(float)

17.提取第三行第三列的元素

代码语言：javascript
复制
result[2,2]
代码语言：javascript
复制
9.0

18.将第三行第三列的元素放大十倍

代码语言：javascript
复制
result[2,2] = result[2,2] * 10

19.提取result中的所有偶数

代码语言：javascript
复制
result[result % 2 == 0]
代码语言：javascript
复制
array([ 2.,  4.,  6.,  8., 90.])

20.将result中所有奇数修改为666

代码语言：javascript
复制
result[result % 2 == 1] = 666

21.创建主对角线都是5的5x5矩阵

代码语言：javascript
复制
result = np.diag([5,5,5,5,5])
result
代码语言：javascript
复制
array([[5, 0, 0, 0, 0],
       [0, 5, 0, 0, 0],
       [0, 0, 5, 0, 0],
       [0, 0, 0, 5, 0],
       [0, 0, 0, 0, 5]])

22.交换第一列与第二列

代码语言：javascript
复制
a = result[:, [1,0,2,3,4]]

23.交换第一行与第二行

代码语言：javascript
复制
b = result[[0,1,2,4,3], :]

24.判断两个矩阵是否有任何元素不同(使用22,23两题得到的矩阵)

代码语言：javascript
复制
print((a == b).all())
代码语言：javascript
复制
False

25.计算两个矩阵不同元素的个数(使用22,23两题得到的矩阵)

代码语言：javascript
复制
len(np.argwhere(a != b))
代码语言：javascript
复制
8

26.找到两个矩阵不同元素的位置(使用22,23两题得到的矩阵)

代码语言：javascript
复制
np.argwhere(a != b)
代码语言：javascript
复制
array([[0, 0],
       [0, 1],
       [1, 0],
       [1, 1],
       [3, 3],
       [3, 4],
       [4, 3],
       [4, 4]], dtype=int64)

27.矩阵乘法(使用22,23两题得到的矩阵)

代码语言：javascript
复制
np.dot(a,b)
代码语言：javascript
复制
array([[ 0, 25,  0,  0,  0],
       [25,  0,  0,  0,  0],
       [ 0,  0, 25,  0,  0],
       [ 0,  0,  0,  0, 25],
       [ 0,  0,  0, 25,  0]])

28.矩阵对应元素相乘(使用22,23两题得到的矩阵)

代码语言：javascript
复制
print(np.multiply(a,b))
print('========方法2========')
print(a * b) #方法2
代码语言：javascript
复制
[[ 0  0  0  0  0]
 [ 0  0  0  0  0]
 [ 0  0 25  0  0]
 [ 0  0  0  0  0]
 [ 0  0  0  0  0]]
========方法2========
[[ 0  0  0  0  0]
 [ 0  0  0  0  0]
 [ 0  0 25  0  0]
 [ 0  0  0  0  0]
 [ 0  0  0  0  0]]

29.计算行列式(使用21题生成的矩阵)

代码语言：javascript
复制
np.linalg.det(result)
代码语言：javascript
复制
3124.999999999999

30.矩阵求逆(使用21题生成的矩阵)

代码语言：javascript
复制
np.linalg.inv(result)
代码语言：javascript
复制
array([[0.2, 0. , 0. , 0. , 0. ],
       [0. , 0.2, 0. , 0. , 0. ],
       [0. , 0. , 0.2, 0. , 0. ],
       [0. , 0. , 0. , 0.2, 0. ],
       [0. , 0. , 0. , 0. , 0.2]])

31.将22与23题生成的np.array对象修改为np.matrix对象

代码语言：javascript
复制
a = np.matrix(a)
b = np.matrix(b)

32.计算上一题生成的两个np.matrix格式矩阵的对应元素乘积（对比异同）

代码语言：javascript
复制
np.multiply(a,b)
代码语言：javascript
复制
matrix([[ 0,  0,  0,  0,  0],
        [ 0,  0,  0,  0,  0],
        [ 0,  0, 25,  0,  0],
        [ 0,  0,  0,  0,  0],
        [ 0,  0,  0,  0,  0]])

33.对31题生成的两个np.matrix格式矩阵做矩阵乘法（对比异同）

代码语言：javascript
复制
a * b
代码语言：javascript
复制
matrix([[ 0, 25,  0,  0,  0],
        [25,  0,  0,  0,  0],
        [ 0,  0, 25,  0,  0],
        [ 0,  0,  0,  0, 25],
        [ 0,  0,  0, 25,  0]])

34.将两个矩阵按照行拼接

代码语言：javascript
复制
np.hstack((a,b))
代码语言：javascript
复制
matrix([[0, 5, 0, 0, 0, 5, 0, 0, 0, 0],
        [5, 0, 0, 0, 0, 0, 5, 0, 0, 0],
        [0, 0, 5, 0, 0, 0, 0, 5, 0, 0],
        [0, 0, 0, 5, 0, 0, 0, 0, 0, 5],
        [0, 0, 0, 0, 5, 0, 0, 0, 5, 0]])

35.将两个矩阵按照列拼接

代码语言：javascript
复制
np.vstack((a,b))
代码语言：javascript
复制
matrix([[0, 5, 0, 0, 0],
        [5, 0, 0, 0, 0],
        [0, 0, 5, 0, 0],
        [0, 0, 0, 5, 0],
        [0, 0, 0, 0, 5],
        [5, 0, 0, 0, 0],
        [0, 5, 0, 0, 0],
        [0, 0, 5, 0, 0],
        [0, 0, 0, 0, 5],
        [0, 0, 0, 5, 0]])

36.思考下面代码运行后new的结果

代码语言：javascript
复制
new = np.pad(result,pad_width = 1,constant_values=1)

37.找到new中大于1的元素的位置

代码语言：javascript
复制
np.argwhere(new > 1)
代码语言：javascript
复制
array([[1, 1],
       [2, 2],
       [3, 3],
       [4, 4],
       [5, 5]], dtype=int64)

38.将new中大于1的元素修改为9

代码语言：javascript
复制
new[new > 1] = 8
new
代码语言：javascript
复制
array([[1, 1, 1, 1, 1, 1, 1],
       [1, 8, 0, 0, 0, 0, 1],
       [1, 0, 8, 0, 0, 0, 1],
       [1, 0, 0, 8, 0, 0, 1],
       [1, 0, 0, 0, 8, 0, 1],
       [1, 0, 0, 0, 0, 8, 1],
       [1, 1, 1, 1, 1, 1, 1]])

39.对new按列求和

代码语言：javascript
复制
np.sum(new, 0)
代码语言：javascript
复制
array([ 7, 10, 10, 10, 10, 10,  7])

40.对new按行求和

代码语言：javascript
复制
np.sum(new, 1)
代码语言：javascript
复制
array([ 7, 10, 10, 10, 10, 10,  7])
代码语言：javascript
复制
import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings("ignore")

41 生成指定格式数据

备注：使用numpy生成6行6列的二维数组，值为1-100随机数

代码语言：javascript
复制
data = np.random.randint(1,100, [6,6])
data
代码语言：javascript
复制
array([[64, 81,  4, 42, 31, 32],
       [73, 24, 12, 93, 67, 87],
       [95,  1, 61, 60, 63, 45],
       [56, 22, 75, 50, 63, 38],
       [67, 82, 39, 64, 12, 77],
       [77, 41, 52, 53,  7,  7]])

42 找到每列的最大值

代码语言：javascript
复制
np.amax(data, axis=0)
代码语言：javascript
复制
array([95, 82, 75, 93, 67, 87])

43 找到每行的最小值

代码语言：javascript
复制
np.amin(data, axis=1)
代码语言：javascript
复制
array([ 4, 12,  1, 22, 12,  7])

44 提取data每个元素的出现次数

代码语言：javascript
复制
np.unique(data,return_counts=True)
代码语言：javascript
复制
(array([ 1,  4,  7, 12, 22, 24, 31, 32, 38, 39, 41, 42, 45, 50, 52, 53, 56,
        60, 61, 63, 64, 67, 73, 75, 77, 81, 82, 87, 93, 95]),
 array([1, 1, 2, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2,
        1, 1, 2, 1, 1, 1, 1, 1], dtype=int64))

45 获取data每行元素的大小排名

代码语言：javascript
复制
data.argsort()
代码语言：javascript
复制
array([[2, 4, 5, 3, 0, 1],
       [2, 1, 4, 0, 5, 3],
       [1, 5, 3, 2, 4, 0],
       [1, 5, 3, 0, 4, 2],
       [4, 2, 3, 0, 5, 1],
       [4, 5, 1, 2, 3, 0]], dtype=int64)

46 将数组按行重复一次

代码语言：javascript
复制
np.repeat(data, 2, axis=0)
代码语言：javascript
复制
array([[64, 81,  4, 42, 31, 32],
       [64, 81,  4, 42, 31, 32],
       [73, 24, 12, 93, 67, 87],
       [73, 24, 12, 93, 67, 87],
       [95,  1, 61, 60, 63, 45],
       [95,  1, 61, 60, 63, 45],
       [56, 22, 75, 50, 63, 38],
       [56, 22, 75, 50, 63, 38],
       [67, 82, 39, 64, 12, 77],
       [67, 82, 39, 64, 12, 77],
       [77, 41, 52, 53,  7,  7],
       [77, 41, 52, 53,  7,  7]])

47 去除数组的重复行

代码语言：javascript
复制
np.unique(data,axis = 0)
代码语言：javascript
复制
array([[56, 22, 75, 50, 63, 38],
       [64, 81,  4, 42, 31, 32],
       [67, 82, 39, 64, 12, 77],
       [73, 24, 12, 93, 67, 87],
       [77, 41, 52, 53,  7,  7],
       [95,  1, 61, 60, 63, 45]])

48 不放回抽样

备注：从data的第一行中不放回抽3个元素

代码语言：javascript
复制
np.random.choice(data[0:1][0], 3, replace=False)
代码语言：javascript
复制
array([31, 42, 81])

49 提取data第二行中不含第三行的元素的元素

代码语言：javascript
复制
a = data[1:2]
b = data[2:3]
index=np.isin(a,b)
array=a[~index]
array
代码语言：javascript
复制
array([73, 24, 12, 93, 67, 87])

50 判断data是否有空行

代码语言：javascript
复制
(~data.any(axis=1)).any()
代码语言：javascript
复制
False

51 将每行升序排列

代码语言：javascript
复制
data.sort(axis = 1)
data
代码语言：javascript
复制
array([[ 4, 31, 32, 42, 64, 81],
       [12, 24, 67, 73, 87, 93],
       [ 1, 45, 60, 61, 63, 95],
       [22, 38, 50, 56, 63, 75],
       [12, 39, 64, 67, 77, 82],
       [ 7,  7, 41, 52, 53, 77]])

52 将data的数据格式修改为float

代码语言：javascript
复制
data1 = data.astype(float)

53 将小于5的元素修改为nan

代码语言：javascript
复制
data1[data1 < 5] = np.nan
data1
代码语言：javascript
复制
array([[nan, 31., 32., 42., 64., 81.],
       [12., 24., 67., 73., 87., 93.],
       [nan, 45., 60., 61., 63., 95.],
       [22., 38., 50., 56., 63., 75.],
       [12., 39., 64., 67., 77., 82.],
       [ 7.,  7., 41., 52., 53., 77.]])

54 删除data1含有nan的行

代码语言：javascript
复制
data1 = data1[~np.isnan(data1).any(axis=1), :]
代码语言：javascript
复制
data1
代码语言：javascript
复制
array([[12., 24., 67., 73., 87., 93.],
       [22., 38., 50., 56., 63., 75.],
       [12., 39., 64., 67., 77., 82.],
       [ 7.,  7., 41., 52., 53., 77.]])

55 找出data1第一行出现频率最高的值

代码语言：javascript
复制
vals, counts = np.unique(data1[0,:], return_counts=True)
print(vals[np.argmax(counts)])
代码语言：javascript
复制
12.0

56 找到data1中与100最接近的数字

代码语言：javascript
复制
a = 100
data1.flat[np.abs(data1 - a).argmin()]
代码语言：javascript
复制
93.0

57 data1每一行的元素减去每一行的平均值

代码语言：javascript
复制
data1 - data1.mean(axis=1, keepdims=True)
代码语言：javascript
复制
array([[-47.33333333, -35.33333333,   7.66666667,  13.66666667,
         27.66666667,  33.66666667],
       [-28.66666667, -12.66666667,  -0.66666667,   5.33333333,
         12.33333333,  24.33333333],
       [-44.83333333, -17.83333333,   7.16666667,  10.16666667,
         20.16666667,  25.16666667],
       [-32.5       , -32.5       ,   1.5       ,  12.5       ,
         13.5       ,  37.5       ]])

58 将data1归一化至区间[0,1]

代码语言：javascript
复制
a = np.max(data1) - np.min(data1)
(data1 - np.min(data1)) / a
代码语言：javascript
复制
array([[0.05813953, 0.19767442, 0.69767442, 0.76744186, 0.93023256,
        1.        ],
       [0.1744186 , 0.36046512, 0.5       , 0.56976744, 0.65116279,
        0.79069767],
       [0.05813953, 0.37209302, 0.6627907 , 0.69767442, 0.81395349,
        0.87209302],
       [0.        , 0.        , 0.39534884, 0.52325581, 0.53488372,
        0.81395349]])

59 将data1标准化

代码语言：javascript
复制
mu = np.mean(data1, axis=0)
sigma = np.std(data1, axis=0)
(data1 - mu) / sigma
代码语言：javascript
复制
array([[-0.22941573, -0.23111136,  1.09030457,  1.31008094,  1.30769231,
         1.61229232],
       [ 1.60591014,  0.84740834, -0.52145001, -0.7145896 , -0.53846154,
        -0.96737539],
       [-0.22941573,  0.92444546,  0.80587729,  0.59549133,  0.53846154,
         0.03582872],
       [-1.14707867, -1.54074243, -1.37473184, -1.19098267, -1.30769231,
        -0.68074565]])

60 将data1存储至本地

代码语言：javascript
复制
np.savetxt('test.txt',data1)
代码语言：javascript
复制
import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings("ignore")

61.如何获得两个数组之间的相同元素

输入:

arr1 = np.random.randint(10,6,6)

arr2 = np.random.randint(10,6,6)

代码语言：javascript
复制
arr1 = np.random.randint(1,10,10)
arr2 = np.random.randint(1,10,10)
代码语言：javascript
复制
print("arr1: %s"%arr1)
print("arr2: %s"%arr2)
np.intersect1d(arr1,arr2)
代码语言：javascript
复制
arr1: [1 7 4 9 2 3 8 8 2 9]
arr2: [5 7 7 2 3 7 4 8 4 1]





array([1, 2, 3, 4, 7, 8])

62.如何从一个数组中删除另一个数组存在的元素

输入:

arr1 = np.random.randint(1,10,10)

arr2 = np.random.randint(1,10,10)

代码语言：javascript
复制
arr1 = np.random.randint(1,10,10)
arr2 = np.random.randint(1,10,10)
print("arr1: %s"%arr1)
print("arr2: %s"%arr2)
np.setdiff1d(arr1,arr2)
代码语言：javascript
复制
arr1: [3 7 6 4 4 8 6 2 4 6]
arr2: [7 2 2 4 5 5 3 7 2 1]





array([6, 8])

63.如何修改一个数组为只读模式

输入:

arr1 = np.random.randint(1,10,10)

代码语言：javascript
复制
arr1 = np.random.randint(1,10,10)
arr1.flags.writeable = False
代码语言：javascript
复制
#尝试修改会报错！
arr1[0] = 6
代码语言：javascript
复制
---------------------------------------------------------------------------

ValueError                                Traceback (most recent call last)

<ipython-input-69-ddcf305e5efb> in <module>
      1 #尝试修改会报错！
----> 2 arr1[0] = 6


ValueError: assignment destination is read-only

64.如何将list转为numpy数组

输入:

a = [1,2,3,4,5]

代码语言：javascript
复制
a = [1,2,3,4,5]
np.array(a)

65.如何将pd.DataFrame转为numpy数组

输入:

df = pd.DataFrame({‘A’:[1,2,3],‘B’:[4,5,6],‘C’:[7,8,9]})

代码语言：javascript
复制
df = pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]})
print(df)
print(df.values)

66.如何使用numpy进行描述性统计分析

输入：

arr1 = np.random.randint(1,10,10)

arr2 = np.random.randint(1,10,10)

代码语言：javascript
复制
arr1 = np.random.randint(1,10,10)
arr2 = np.random.randint(1,10,10)

print("arr1的平均数为:%s" %np.mean(arr1))
print("arr1的中位数为:%s" %np.median(arr1))
print("arr1的方差为:%s" %np.var(arr1))
print("arr1的标准差为:%s" %np.std(arr1))
print("arr1,arr的相关性矩阵为:%s" %np.cov(arr1,arr2))
print("arr1,arr的协方差矩阵为:%s" %np.corrcoef(arr1,arr2))

67.如何使用numpy进行概率抽样

输入：

arr = np.array([1,2,3,4,5])

代码语言：javascript
复制
arr = np.array([1,2,3,4,5])
np.random.choice(arr,10,p = [0.1,0.1,0.1,0.1,0.6])

68.如何创建副本

输入：

arr = np.array([1,2,3,4,5])

代码语言：javascript
复制
#对副本数据进行修改，不会影响到原始数据
arr = np.array([1,2,3,4,5])
arr1 = arr.copy()

69.如何对数组切片

输入: arr = np.arange(10)

备注：从索引2开始到索引8停止，间隔为2

代码语言：javascript
复制
arr = np.arange(10)
a = slice(2,8,2)
arr[a] #等价于arr[2:8:2]
代码语言：javascript
复制
array([2, 4, 6])

70.如何使用NumPy操作字符串

输入:

str1 = [‘I love’]

str2 = [’ Python’]

代码语言：javascript
复制
#拼接字符串
str1 = ['I love']
str2 = [' Python']
print(np.char.add(str1,str2))

#大写首字母
str3 = np.char.add(str1,str2)
print(np.char.title(str3))
代码语言：javascript
复制
['I love Python']
['I Love Python']

71.如何对数据向上/下取整

输入:

arr = np.random.uniform(0,10,10)

代码语言：javascript
复制
arr = np.random.uniform(0,10,10)
print(arr)
###向上取整
print(np.ceil(arr))
###向下取整
print(np.floor(arr) )
代码语言：javascript
复制
[7.93163895 0.25298605 8.03086361 6.60320156 8.03587266 2.22664371
 9.18459953 9.2502519  7.75398358 4.22163385]
[ 8.  1.  9.  7.  9.  3. 10. 10.  8.  5.]
[7. 0. 8. 6. 8. 2. 9. 9. 7. 4.]

72.如何取消默认科学计数显示数据

代码语言：javascript
复制
np.set_printoptions(suppress=True)

73.如何使用NumPy对二维数组逆序

输入：

arr = np.random.randint(1,10,[3,3])

代码语言：javascript
复制
arr = np.random.randint(1,10,[3,3])
print(arr)
print('列逆序')
print(arr[:, -1::-1])
print('行逆序')
print(arr[-1::-1, :])
代码语言：javascript
复制
[[3 1 1]
 [8 7 2]
 [4 4 8]]
列逆序
[[1 1 3]
 [2 7 8]
 [8 4 4]]
行逆序
[[4 4 8]
 [8 7 2]
 [3 1 1]]

74.如何使用NumPy根据位置查找元素

输入：

arr1 = np.random.randint(1,10,5)

arr2 = np.random.randint(1,20,10)

备注：在arr2中根据arr1中元素以位置查找

代码语言：javascript
复制
arr1 = np.random.randint(1,10,5)
arr2 = np.random.randint(1,20,10)
print(arr1)
print(arr2)
print(np.take(arr2,arr1))
代码语言：javascript
复制
[9 6 5 4 9]
[13 14  4 16  4 10 15  6  5  3]
[ 3 15 10  4  3]

75.如何使用numpy求余数

输入：

a = 10

b = 3

代码语言：javascript
复制
np.mod(a,b)
代码语言：javascript
复制
---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

<ipython-input-76-2a4695c40758> in <module>
----> 1 np.mod(a,b)


TypeError: unsupported operand type(s) for %: 'slice' and 'int'

76.如何使用NumPy进行矩阵SVD分解

输入：

A = np.random.randint(1,10,[3,3])

代码语言：javascript
复制
np.linalg.svd(A)

77.如何使用NumPy多条件筛选数据

输入：

arr = np.random.randint(1,20,10)

代码语言：javascript
复制
arr = np.random.randint(1,20,10)
print(arr[(arr>1)&(arr<7)&(arr%2==0)])
代码语言：javascript
复制
[4]

78.如何使用NumPy对数组分类

输入：

arr = np.random.randint(1,20,10)

备注：将大于等于7，或小于3的元素标记为1，其余为0

代码语言：javascript
复制
arr = np.random.randint(1,20,10)
print(arr)
print(np.piecewise(arr, [arr < 3, arr >= 7], [-1, 1]))
代码语言：javascript
复制
[17 16  1  1  7  2  5  3 13 16]
[ 1  1 -1 -1  1 -1  0  0  1  1]

79如何使用NumPy压缩矩阵

输入：

arr = np.random.randint(1,10,[3,1])

备注：从数组的形状中删除单维度条目，即把shape中为1的维度去掉

代码语言：javascript
复制
arr = np.random.randint(1,10,[3,1])
print(arr)
print(np.squeeze(arr))
代码语言：javascript
复制
[[7]
 [9]
 [1]]
[7 9 1]

80.如何使用numpy求解线性方程组

输入：

A = np.array([[1, 2, 3], [2, -1, 1], [3, 0, -1]])

b = np.array([9, 8, 3])

求解Ax = b

代码语言：javascript
复制
A = np.array([[1, 2, 3], [2, -1, 1], [3, 0, -1]])
b = np.array([9, 8, 3])
x = np.linalg.solve(A, b)
print(x)
代码语言：javascript
复制
[ 2. -1.  3.]
本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2021-01-18，如有侵权请联系 cloudcommunity@tencent.com 删除
编程算法
numpy
python

本文分享自 作者个人站点/博客 前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ，欢迎热爱写作的你一起参与！

编程算法
numpy
python
评论
登录后参与评论
0 条评论
热度
最新
登录 后参与评论
推荐阅读
LV.
文章
0
获赞
0
目录
  • 文章目录
  • 1.查看numpy版本
  • 2.创建十个全为0的一维数组
  • 3.修改数据类型为整数
  • 4.创建固定步长的数
  • 5.列表创建数组
  • 6.创建全是1的矩阵
  • 7.创建布尔类型的True
  • 8.创建等差数列
  • 9.创建等差数列
  • 10.创建3x3矩阵
  • 11.创建3x3矩阵
  • 12.将第五题的result修改为3x3矩阵
  • 13.对上一题生成的result取转置
  • 14.查看数据类型
  • 15.查看内存占用
  • 16.将数据类型修改为float
  • 17.提取第三行第三列的元素
  • 18.将第三行第三列的元素放大十倍
  • 19.提取result中的所有偶数
  • 20.将result中所有奇数修改为666
  • 21.创建主对角线都是5的5x5矩阵
  • 22.交换第一列与第二列
  • 23.交换第一行与第二行
  • 24.判断两个矩阵是否有任何元素不同(使用22,23两题得到的矩阵)
  • 25.计算两个矩阵不同元素的个数(使用22,23两题得到的矩阵)
  • 26.找到两个矩阵不同元素的位置(使用22,23两题得到的矩阵)
  • 27.矩阵乘法(使用22,23两题得到的矩阵)
  • 28.矩阵对应元素相乘(使用22,23两题得到的矩阵)
  • 29.计算行列式(使用21题生成的矩阵)
  • 30.矩阵求逆(使用21题生成的矩阵)
  • 31.将22与23题生成的np.array对象修改为np.matrix对象
  • 32.计算上一题生成的两个np.matrix格式矩阵的对应元素乘积（对比异同）
  • 33.对31题生成的两个np.matrix格式矩阵做矩阵乘法（对比异同）
  • 34.将两个矩阵按照行拼接
  • 35.将两个矩阵按照列拼接
  • 36.思考下面代码运行后new的结果
  • 37.找到new中大于1的元素的位置
  • 38.将new中大于1的元素修改为9
  • 39.对new按列求和
  • 40.对new按行求和
  • 41 生成指定格式数据
  • 42 找到每列的最大值
  • 43 找到每行的最小值
  • 44 提取data每个元素的出现次数
  • 45 获取data每行元素的大小排名
  • 46 将数组按行重复一次
  • 47 去除数组的重复行
  • 48 不放回抽样
  • 49 提取data第二行中不含第三行的元素的元素
  • 50 判断data是否有空行
  • 51 将每行升序排列
  • 52 将data的数据格式修改为float
  • 53 将小于5的元素修改为nan
  • 54 删除data1含有nan的行
  • 55 找出data1第一行出现频率最高的值
  • 56 找到data1中与100最接近的数字
  • 57 data1每一行的元素减去每一行的平均值
  • 58 将data1归一化至区间[0,1]
  • 59 将data1标准化
  • 60 将data1存储至本地
  • 61.如何获得两个数组之间的相同元素
  • 62.如何从一个数组中删除另一个数组存在的元素
  • 63.如何修改一个数组为只读模式
  • 64.如何将list转为numpy数组
  • 65.如何将pd.DataFrame转为numpy数组
  • 66.如何使用numpy进行描述性统计分析
  • 67.如何使用numpy进行概率抽样
  • 68.如何创建副本
  • 69.如何对数组切片
  • 70.如何使用NumPy操作字符串
  • 71.如何对数据向上/下取整
  • 72.如何取消默认科学计数显示数据
  • 73.如何使用NumPy对二维数组逆序
  • 74.如何使用NumPy根据位置查找元素
  • 75.如何使用numpy求余数
  • 76.如何使用NumPy进行矩阵SVD分解
  • 77.如何使用NumPy多条件筛选数据
  • 78.如何使用NumPy对数组分类
  • 79如何使用NumPy压缩矩阵
  • 80.如何使用numpy求解线性方程组
领券

腾讯云开发者

扫码关注腾讯云开发者

扫码关注腾讯云开发者

领取腾讯云代金券

热门产品

热门推荐

更多推荐

Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有 

深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

腾讯云计算（北京）有限责任公司 京ICP证150476号 |  京ICP备11018762号 | 京公网安备号11010802020287

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档

Copyright © 2013 - 2024 Tencent Cloud.

All Rights Reserved. 腾讯云 版权所有

登录 后参与评论