做微信的微网站费用多少上海市政大厅官网

做微信的微网站费用多少,上海市政大厅官网,专门做电视剧截图的网站,深圳龙岗职业技术学校招生1、什么是numpy#xff1f;一言以蔽之#xff0c;numpy是python中基于数组对象的科学计算库。提炼关键字#xff0c;可以得出numpy以下三大特点#xff1a;拥有n维数组对象;拥有广播功能#xff08;后面讲到#xff09;#xff1b;拥有各种科学计算API#xff0c;任你调…1、什么是numpy一言以蔽之numpy是python中基于数组对象的科学计算库。提炼关键字可以得出numpy以下三大特点拥有n维数组对象;拥有广播功能后面讲到拥有各种科学计算API任你调用2、如何安装numpy因为numpy是一个python库所以使用python包管理工具pip或者conda都可以安装。安装python后打开cmd命令行输入pip install numpy即可完成安装。3、什么是n维数组对象n维数组ndarray对象是一系列同类数据的集合可以进行索引、切片、迭代操作。numpy中可以使用array函数创建数组:import numpy as np np.array([1,2,3]) # 输出array([1, 2, 3])4、如何区分一维、二维、多维判断一个数组是几维主要是看它有几个轴axis。一个轴表示一维数组两个轴表示二维数组以此类推。每个轴都代表一个一维数组。比如说二维数组第一个轴里的每个元素都是一个一维数组也就是第二个轴。一维数组一个轴[1,2,3]二维数组两个轴[[0, 1, 2], [3, 4, 5]]三维数组三个轴[[[ 0, 1, 2], [ 3, 4, 5]], [[ 6, 7, 8], [ 9, 10, 11]]]以此类推n维数组。5、如何创建n维数组numpy中常用array函数创建数组传入列表或元组即可。创建一维数组并指定数组类型为intimport numpy as np np.array([1,2,3],dtypeint) # 输出array([1, 2, 3])创建二维数组import numpy as np np.array(((1,2),(3,4))) 输出 array([[1, 2], [3, 4]]) 还可以使用arange函数创建一维数字数组用法类似python的range函数.import numpy as np np.arange(1,6) 输出array([1, 2, 3, 4, 5]) 6、如何创建随机数组numpy的random模块用来创建随机数组。random.rand函数生成[0,1)均匀分布的随机数组import numpy as np # 创建2行2列取值范围为[0,1)的数组 np.random.rand(2,2) 输出 array([[0.99449146, 0.92339551], [0.1837405 , 0.41719798]]) random.randn函数生成数值成标准正态分布平均值为0标准差为1的数组import numpy as np # 创建2行3列取值范围为标准正态分布的数组 np.random.randn(3,2) 输出 array([[-1.27481003, -1.5888111 ], [ 0.16985203, -2.91526479], [ 1.75992671, -2.81304831]]) random.randint函数生成可以指定范围的随机整数数组import numpy as np # 创建2行2列,取值范围为[2,10)的随机整数数组 np.random.randint(2,10,size(2,2)) 输出 array([[5, 4], [3, 7]]) random.normal函数生成数值成正态分布可指定平均值、标准差的数组import numpy as np # 创建一维数值成正态分布均值为1标准差为2的数组 # 参数loc代表均值scale代表标准差 np.random.normal(loc1,scale2,size5) 输出 array([ 0.82962241, 0.41738042, 0.0470862 , 1.79446076, -1.47514478]) random模块还有其他函数这里不多说。7、如何查看数组的维度前面说到数组维度即代表轴的数量。我们可以通过数组adarray对象的ndim或shape属性来查看轴的数量。ndim属性直接返回维度值shape属性返回一个元组元组的长度即代表维度值里面的数字从左往右分别代表每一轴的元素数量。import numpy as np # 创建一维数组 x1 np.array([1,2,3]) # 返回维度值 x1.ndim 输出1 # 创建二维数组 x2 np.array([[1,2,3],[4,5,6]]) # 返回形状 x2.shape 输出(2, 3) 元素长度为2代表二维 元素2代表0轴有两个元素 元素3代表1轴有3个元素。 8、如何查看数组有多少个元素数组ndarray对象的size属性可以查看数组包含元素总数。import numpy as np # 创建二维数组 x2 np.array([[1,2,3],[4,5,6]]) # 查看元素总数 x2.size 输出6 还可以通过shape属性返回元素的乘积来计算数组元素数量。import numpy as np from functools import reduce # 创建二维数组 x2 np.array([[1,2,3],[4,5,6]]) # 查看元素总数 reduce(lambda x,y:x*y , x2.shape) 输出6 shape形状 (2,3) 9、Numpy数组支持哪些数据类型Numpy支持的数据类型非常多所以很适合做数值计算。 下面给出常见的数据类型10、如何查看数组的类型数组adarrry对象提供dtype属性用来查看数组类型。import numpy as np # 创建二维数组 x2 np.array([[1,2,3],[4,5,6]],dtypeint) # 返回类型 x2.dtype 输出dtype(int32) 11、如何改变数组的形状前面说过数组的shape属性返回一个元组能够反映数组的形状包括维度以及每个轴的元素数量。那么如果给定一个数组怎么改变其形状呢常用的方式有两种reshape方法它返回一个新的数组而不能改变原始数组。resize方法无返回值它更改了原始数组。比如说我要将一个二维数组转换为三维数组。import numpy as np # 创建二维数组 x2 np.array([[1,2,3],[4,5,6]]) # 将x2转换为三维数组并且自定义每个轴的元素数量 x2.reshape(1,2,3) 输出 array([[[1, 2, 3], [4, 5, 6]]]) reshape方法可以传入整数或者元组形式的参数。传入的参数和shape属性返回的元组的含义是一样的。例如x2.reshape(1,2,3)是将二维数组转换成三维数组参数个数代表要转换的维度参数数字从左到右分别表示0轴、1轴、2轴的元素数量。resize方法和reshape方法使用形式一样区别是resize方法改变了原始数组形状。import numpy as np # 创建二维数组 x2 np.array([[1,2,3],[4,5,6]]) # 将x2转换为三维数组并且自定义每个轴的元素数量 x2.resize((1,2,3)) x2 输出 array([[[1, 2, 3], [4, 5, 6]]]) 12、如何对数组进行索引和切片操作numpy一维数组的索引和切片操作类似python列表这里不多讲。比如说取一维数组前三个元素。import numpy as np # 创建一维数组 x1 np.array([1,2,3,4]) # 切片取前三个元素 x1[:3] 输出 array([1, 2, 3]) 重点是对多维数组的索引和切片。多维数组有多个轴那么就需要对每个轴进行索引。例如三维数组形状为(x,y,z)分别代表0轴有x个元素、1轴有y个元素2轴有z个元素。对0、1、2轴进行索引如果取o轴第2个元素、1轴第0个元素、2轴第3个元素那么索引形式就为[2,0,3]。import numpy as np # 创建三维数组 x3 np.arange(24).reshape(3,2,4) # 对该三维数组进行索引 x3[2,0,3] 输出19 三维数组形式 array([[[ 0, 1, 2, 3], [ 4, 5, 6, 7]], [[ 8, 9, 10, 11], [12, 13, 14, 15]], [[16, 17, 18, 19], [20, 21, 22, 23]]]) 切片也是同样道理。如果取o轴前2个元素、1轴前1个元素、2轴后2个元素那么切片形式就为[:2,:1,-2:]。import numpy as np # 创建三维数组 x3 np.arange(24).reshape(3,2,4) # 对该三维数组进行切片 x3[:2,:1,-2:] 输出 array([[[ 2, 3]], [[10, 11]]]) 三维数组形式 array([[[ 0, 1, 2, 3], [ 4, 5, 6, 7]], [[ 8, 9, 10, 11], [12, 13, 14, 15]], [[16, 17, 18, 19], [20, 21, 22, 23]]]) 13、如何对数组里每个元素进行迭代说到迭代大家很容易想到直接对数组直接使用for循环操作对于一维数组来说当然是可以的。import numpy as np # 创建一维数组 x1 np.array([1,2,3,4]) # 迭代 for i in x1: print(i) 输出 1 2 3 4 但对于多维数组迭代是相对于0轴完成的就是多维数组最外层的那一维。你没有办法直接遍历数组里每一个元素嵌套循环又太低效。这个时候就需要用到flat方法它可以将多维数组平铺为一维的迭代器。import numpy as np # 创建二维数组 x2 np.array([[1,2,3],[4,5,6]]) # 先平铺再迭代 for i in x2.flat: print(i) 输出 1 2 3 4 5 6 14、如何将多维数组展开为一维数组数组ndarray对象提供了ravel方法用来将多维数组展开为一维数组。import numpy as np # 创建er维数组 x3 np.arange(12).reshape(3,4) # 对该三维数组进行索引 x3.ravel() 输出 array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]) 15、什么广播机制广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式 对多个数组的算术运算通常在相应的元素上进行。较小的数组在较大的数组上“广播”以便它们具有兼容的形状。比如说一个一维数组乘以一个数字相当于一维数组里每个元素都乘以这个数。import numpy as np # 创建一维数组 x1 np.array([1,2,3]) # 广播 x1 * 2 输出 array([2, 4, 6]) 如果相同维度的数组进行运算其shape相同那么广播就是两个数组相同位数的元素进行运算。import numpy as np # 创建一维数组 x1 np.array([1,2,3]) x2 np.array([4,5,6]) # 广播 x1 x2 输出 array([5, 7, 9]) 如果两个数组维度不同进行运算这里就触发了广播的两个规则。让所有输入数组都向其中形状最长的数组看齐形状中不足的部分都通过在前面加 1 补齐当输入数组的某个维度的长度为 1 时沿着此维度运算时都用此维度上的第一组值。这两个规则保证了不同维度数组进行运算时其维度自动调整成一致。import numpy as np # 创建一维数组 x1 np.array([[1,2,3],[4,5,6]]) x2 np.array([2,3,4]) # 广播 x1 - x2 输出 array([[-1, -1, -1], [ 2, 2, 2]]) 16、numpy中如何进行数值舍入操作around函数用于四舍五入返回一个新数组import numpy as np # 创建一维数组 x1 np.array([1.45,2.78,3.12]) # 四舍五入到小数点后1位 np.around(x1,1) 输出 array([1.4, 2.8, 3.1]) floor函数用于向下取整返回一个新数组import numpy as np # 创建一维数组 x1 np.array([1.45,2.78,3.12]) # 向下取整 np.floor(x1) 输出 array([1., 2., 3.]) ceil函数用于向上取整返回一个新数组import numpy as np # 创建一维数组 x1 np.array([1.45,2.78,3.12]) # 向下取整 np.ceil(x1) 输出 array([2., 3., 4.]) 17、如何对数组进行转置操作numpy提供了transpose函数用以对数组进行维度的调换也就是转置操作。转置后返回一个新数组。import numpy as np # 创建二维数组 x1 np.arange(12).reshape(3,4) # 转置 np.transpose(x1) 输出 array([[ 0, 4, 8], [ 1, 5, 9], [ 2, 6, 10], [ 3, 7, 11]]) 原数组 array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) 当然可以用更简单的方法。数组对象提供了T方法用于转置同样会返回一个新数组。import numpy as np # 创建二维数组 x1 np.arange(12).reshape(3,4) # 转置 x1.T 输出 array([[ 0, 4, 8], [ 1, 5, 9], [ 2, 6, 10], [ 3, 7, 11]]) 原数组 array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) 18、如何连接两个相同维度的数组numpy的concatenate函数用于沿指定轴连接相同形状的两个或多个数组。import numpy as np # 创建两个二维数组 x1 np.array([[1,2,3],[4,5,6]]) x2 np.array([[7,8,9],[10,11,12]]) # 连接,默认沿0轴连接 np.concatenate((x1,x2)) 输出 array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [10, 11, 12]]) # 指定沿1轴连接 np.concatenate((x1,x2),axis1) 输出 array([[ 1, 2, 3, 7, 8, 9], [ 4, 5, 6, 10, 11, 12]]) 19、如何向数组添加值numpy的append函数向数组末尾追加值可以指定不同的轴。import numpy as np # 创建一个二维数组 x1 np.array([[1,2,3],[4,5,6]]) # 直接向数组末尾添加元素返回平铺的一维数组 np.append(x1,[7,8,9]) 输出 array([1, 2, 3, 4, 5, 6, 7, 8, 9]) # 沿轴 0 添加元素 np.append(x1, [[7,8,9]],axis 0) 输出 array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 沿轴 1 添加元素 np.append(x1, [[5,5,5],[7,8,9]],axis 1) 输出 array([[1, 2, 3, 5, 5, 5], [4, 5, 6, 7, 8, 9]]) numpy的insert函数可以沿给定轴在数组中任意位置插入数据。import numpy as np # 创建一个二维数组 x1 np.array([[1,2,3],[4,5,6],[7,8,9]]) # 直接在指定位置插入元素返回平铺的一维数组 np.insert(x1,2,[0,0,0]) 输出 array([1, 2, 0, 0, 0, 3, 4, 5, 6, 7, 8, 9]) 原数组 array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 指定位置沿轴 0 插入元素 np.insert(x1,1,[0,0,0],axis0) 输出 array([[1, 2, 3], [0, 0, 0], [4, 5, 6], [7, 8, 9]]) # 指定位置沿轴 1插入元素 np.insert(x1,2,[0,0,0],axis1) 输出 array([[1, 2, 0, 3], [4, 5, 0, 6], [7, 8, 0, 9]]) 20、如何对数组进行去重操作numpy的unique函数用于去除数组中的重复元素返回一个新数组。import numpy as np # 创建一个一维数组 x1 np.array([2,3,5,1,3,8,1,0]) np.unique(x1) 输出 array([0, 1, 2, 3, 5, 8]) unique函数还能返回重复元素的索引、计数等信息可去查文档自定义参数。