数组计算模块NumPy(二)

简介: NumPy教程概要:介绍数组切片、二维数组索引、重塑、转置和数组操作。讨论了切片语法`[start:stop:step]`,二维数组的索引方式,以及reshape方法改变数组形状。涉及转置通过`.T`属性或`transpose()`函数实现,数组增加使用`hstack()`和`vstack()`,删除用`delete()`。还提到了矩阵运算,包括加减乘除,并展示了`numpy.dot()`和`@`运算符的使用。最后提到了排序函数`sort()`、`argsort()`和`lexsort()`,以及NumPy的统计分析函数如均值、标准差等。

数组计算模块NumPy(一)+https://developer.aliyun.com/article/1543956?spm=a2c6h.13148508.setting.27.1fa24f0eyCLrzp



切片式索引


  • 语法结构  [start:stop:step]
  • start:起始索引
  • stop:终止索引
  • step:步长


二维数组索引 语法格式   array[n,m]


二维数组的切片式索引



数组重塑


  • 数组重塑是更改数组的形状
  • 使用reshape方法,用于改变数组的形状    
  • 重塑后数组所包含的元素个数必须与原数组的元素个数相同,元素发生变化,程序就会报错    


数组转置


  • 数组的行列转换
  • 通过数组的T属性和transpose方法实现


数组的增加


  • 水平方向增加数据 hstack()函数
  • 垂直方向增加数据 vstack()函数


数组的删除


  • 使用delete()函数


矩阵 矩阵是数学的概念,而数组是计算机程序设计领域的概念。在NumPy中,矩阵是数组的分支,二维数组也称为矩阵 。


创建矩阵    numpy.mat()函数


矩阵运算    可以对矩阵进行加、减、乘、除运算



矩阵的乘法运算


import numpy as np
 
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
 
# 使用numpy.dot()函数进行矩阵乘法
C = np.dot(A, B)
print(C)
 
# 使用@运算符进行矩阵乘法
D = A @ B
print(D)
 
 
#
[[19 22]
 [43 50]]
[[19 22]
 [43 50]]


数组的排序  


对数组元素进行排序


  • sort():直接改变原数组,参数axis指定按行排序还是按列排序
  • argsort():返加升序之后的数组值为从小到大的索引值
  • lexsort():用于对多个序列进行排序


NumPy常用分析函数





相关文章
|
1月前
|
数据处理 索引 Python
NumPy 数组操作:和普通操作相较,到底蕴含着怎样令人费解的独特魅力?
【8月更文挑战第19天】NumPy是Python科学计算核心库,提供高效数组操作。不同于Python列表直接列举创建,NumPy用`np.array()`创建数组。两者都支持索引和切片,但NumPy性能更优。数学运算方面,NumPy支持简洁的向量化操作,如`my_array * 2`,无需循环。NumPy还简化了数组形状变换,如使用`reshape()`方法。此外,NumPy数组要求元素类型一致,提高了内存使用效率和计算速度。这些特点使NumPy在科学计算和数据分析中不可或缺。
28 0
|
23天前
|
存储 缓存 C语言
|
22天前
|
索引 Python
NumPy 快速入门:数组操作基础
【8月更文第30天】NumPy 是 Python 中一个非常重要的科学计算库,它提供了高性能的多维数组对象以及用于操作这些数组的工具。NumPy 数组(也称为 `ndarray`)是 NumPy 库的核心,它比 Python 内置的列表类型更高效,特别是在处理大型数据集时。本文将介绍 NumPy 数组的基本概念、创建方法以及一些常用的数组操作。
15 2
|
22天前
|
分布式计算 并行计算 大数据
NumPy 并行计算与分布式部署
【8月更文第30天】随着数据量的不断增长,传统的单机计算模型已经难以满足对大规模数据集处理的需求。并行和分布式计算成为了处理这些大数据集的关键技术。虽然 NumPy 本身并不直接支持并行计算,但可以通过结合其他库如 Numba 和 Dask 来实现高效的并行和分布式计算。
14 1
|
22天前
|
索引 Python
|
23天前
|
Python
python在列表、元素、字典、集合和numpy的数组前加上星号 * 是什么含义,以及*args和**kwargs的使用
python在列表、元素、字典、集合和numpy的数组前加上星号 * 是什么含义,以及*args和**kwargs的使用
24 0
|
24天前
|
机器学习/深度学习 数据可视化 数据挖掘
图解NumPy,这是理解数组最形象的一份教程了
图解NumPy,这是理解数组最形象的一份教程了
|
30天前
|
机器学习/深度学习 数据处理 计算机视觉
NumPy实践宝典:Python高手教你如何轻松玩转数据处理!
【8月更文挑战第22天】NumPy是Python科学计算的核心库,专长于大型数组与矩阵运算,并提供了丰富的数学函数。首先需安装NumPy (`pip install numpy`)。之后可通过创建数组、索引与切片、执行数学与逻辑运算、变换数组形状及类型、计算统计量和进行矩阵运算等操作来实践学习。NumPy的应用范围广泛,从基础的数据处理到图像处理都能胜任,是数据科学领域的必备工具。
44 0
|
2月前
|
机器学习/深度学习 数据可视化 搜索推荐
Python在社交媒体分析中扮演关键角色,借助Pandas、NumPy、Matplotlib等工具处理、可视化数据及进行机器学习。
【7月更文挑战第5天】Python在社交媒体分析中扮演关键角色,借助Pandas、NumPy、Matplotlib等工具处理、可视化数据及进行机器学习。流程包括数据获取、预处理、探索、模型选择、评估与优化,以及结果可视化。示例展示了用户行为、话题趋势和用户画像分析。Python的丰富生态使得社交媒体洞察变得高效。通过学习和实践,可以提升社交媒体分析能力。
61 1
|
22天前
|
机器学习/深度学习 存储 算法
NumPy 与 SciPy:Python 科学计算库的比较
【8月更文挑战第30天】
55 1