- 1用python做自我介绍_用python做个自我介绍（python入门教程）_逻辑教育
- 2基于OpenCV实现二值图细化，骨骼化并求出端点和交叉点_二值图像 求端点
- 3浏览器访问网页流程_可以进r34的浏览器
- 4关于网格布局gridLayout，动态创建内容_gridlayout动态添加view
- 5南海区妇幼保健院HIS数据容灾备份系统项目_his异地容灾备份 参数
- 6四、Linux环境下JDK安装、Hadoop、Zookeeper和HBase集群部署_hbase-3
- 7微信小程序uniapp+django洗脚按摩足浴城消费系统springboot
- 8下一个AI前沿与革命：KAN 下_kan模型
- 9测试用例设计_设计测试用例
- 102024通信保研—预推免经验贴_通信保研经验
【入门】Python之numpy模块的数组运算_numpy 数组 算术计算
赞
踩
可恶啊，numpy里面也有内置的一些数组运算函数，做些常用的整理好了。
使用前需要导入numpy模块
import numpy as np
- 1
1 数组操作
1.1 np.reshape()
numpy.reshape(arr, newshape, order='C')
- 1
描述： 该函数用来在不改变数据的条件下修改数组的形状
1.2 np.transpose()
numpy.transpose(arr, axes)
- 1
描述： 对于二维数组来讲，可以当做转置矩阵使用。np.adarray.T类似于np.transpose()
1.3 np.expand_dims
numpy.expand_dims(arr, axis)
- 1
参数说明：
- arr: 输入参数
- axis: 新轴插入的位置
axis: 关于这个axis一直困扰我很久，axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。
什么是维度(dimension)呢？
‘ndarray’的维度(dimension) 表示数组的 轴(axis) 的数量。（具体怎么使用还是要自行体会，经常会用这个函数整理数组形状以便能相互运算）
2 数学函数
2.1 三角函数
注意输入的ndarray对象，返回的也是ndarray对象
| 函数 | 描述 |
|---|---|
| np.sin(x) | return 数组中角度的正弦值 |
| np.arcsin(x) | return 数组中角度的反正弦值 |
| np.cos(x) | return 数组中角度的余弦值 |
| np.arccos(x) | return 数组中角度的反余弦值 |
| np.tan(x) | return 数组中角度的正切值 |
| np.arctan(x) | return 数组中角度的反正切值 |
| numpy.degrees() | return 数组中弧度制对应的角度值 |
ATTENTION 以上sin()，cos()，tan()函数，输入的是弧度值。如果数组x里面全是角度值，需要执行 x*np.pi/180，将其转换为弧度值。
2.2 舍入函数
2.2.1 np.around
numpy.around(a,decimals)
- 1
参数说明：
- 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
描述： 返回指定数字的四舍五入值
2.2.2 np.floor
描述： 返回小于或者等于指定表达式的最大整数，即向下取整。
2.2.3 np.ceil
描述： 返回大于或者等于指定表达式的最小整数，即向上取整。
2.3 算术函数
[ATTENTION] 数组必须具有后相同的形状或符合数组广播规则
什么是Numpy广播(Broadcast)？
- 广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式， 对数组的算术运算通常在相应的元素上进行。当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制。
广播的规则简单理解
- 数组拥有相同形状。
- 当前维度的值相等。
- 当前维度的值有一个是 1。
若条件不满足，抛出 “ValueError: frames are not aligned” 异常。
输入 ndarray对象 输出 ndarry对象
| 函数 | 描述 |
|---|---|
| np.add(a, b) | 加 |
| np.subtract(a, b) | 减 |
| np.mutiply(a, b) | 乘 |
| np.divide(a, b) | 除 |
| np.power(a, b) | 将a中的元素作为底数，计算a与b中相应元素的幂 |
| np.mod(a,b) | 计算输入数组中相应元素的相除后的余数 |
2.4 统计函数
| 函数 | 描述 |
|---|---|
| np.amin() | 计算数组中的元素沿指定轴的最小值 |
| np.amax() | 计算数组中的元素沿指定轴的最大值 |
| np.ptp() | 计算数组中元素沿指定轴最大值与最小值的差（最大值 - 最小值） |
| np.mean() | 计算数组中元素沿指定轴的算术平均值 |
| np.average() | 计算数组中元素沿指定轴的平均值，可以指定权重数组计算加权平均值 |
| np.std() | 计算标准差 |
| np.var() | 计算方差 |
2.5 排序、条件筛选函数
2.5.1 np.sort()
numpy.sort(a, axis, kind, order)
- 1
描述： numpy提供了多种排序的方法
参数说明：
- kind: default = “quicksort”（快速排序），此外还有"mergesort"归并排序以及"heapsort"堆排序。
2.5.2 numpy.argsort()
**描述：**返回的是数组值从小到大的索引值
2.5.3 numpy.argmax() 和 numpy.argmin()
描述： 分别沿给定轴返回最大和最小元素的索引。
2.5.4 numpy.nonzero()
描述： 返回输入数组中非零元素的索引。
2.5.5 numpy.where()
描述： 返回输入数组中满足给定条件的元素的索引。
3 矩阵库
Numpy中包含了一个矩阵库numpy.matlib，该模块中的函数返回的是一个矩阵，而不是ndarray对象。
使用前需要导入
import numpy.matlib
- 1
3.1 转置矩阵 a.T
描述： 其作用同np.transpose(a)相同。
3.2 matlib.empty()
numpy.matlib.empty(shape, dtype, order)
- 1
描述： 返回一个新的矩阵
4 线性代数
NumPy 提供了线性代数函数库 linalg，该库包含了线性代数所需的所有功能。
4.1 np.dot()
umpy.dot(a, b, out=None)
- 1
描述：
该函数对于两个一维数组，计算的是这两个数组独赢下标元素的乘积和(数学上称之为向量点积)；
对于二维数组，计算的是两个数组的矩阵乘积；
对于多维数组，数组a的最后一维上的所有元素与数组b的倒数第二位上的所有元素的乘积和。
4.2 np.vdot()
描述： 该函数是两个向量的点积。
如果第一个参数是负数，那么它的共轭复数会用于计算。
如果参数是多维数组，会被展开。
4.3 np.inner()
描述： 返回一维数组的向量内机。对于更高维度，返回最后一个轴上的乘积。
4.4 np.matmul()
描述： 返回两个数组的矩阵乘积。
如果任一参数的维数大于2，则将其视为存在于最后两个索引的矩阵的栈，并进行相应广播。另一方面，如果任一参数是一维数组，则通过在其维度上附加 1 来将其提升为矩阵，并在乘法之后被去除。
4.5 np.linalg.det()
描述： 计算输入矩阵的行列式。
4.6 np.linalg.inv()
描述： 返回计算矩阵的乘法逆矩阵
参考资料
[1]https://www.runoob.com/numpy/numpy-tutorial.html
