广州产品网站设计,深圳网站开发定制,wordpress一站式开发,做网站怎样设置搜索引擎numpy作为数据分析#xff0c;深度学习常用的库#xff0c;本篇博客我们来介绍numpy的一些进阶用法#xff1a;
一#xff0c;numpy的常用简单内置函数#xff1a;
1.1求和#xff1a;
a np.array([[1, 2],[3, 4]])
np.sum(a)10
1.2求平均值#xff1a;
np.mean(a…numpy作为数据分析深度学习常用的库本篇博客我们来介绍numpy的一些进阶用法
一numpy的常用简单内置函数
1.1求和
a np.array([[1, 2],[3, 4]])
np.sum(a)10
1.2求平均值
np.mean(a) # 求取平均值2.5
1.3求最小值
np.min(a)
1
1.4求最大值
np.max(a)
4
以下就不再一一列举我转成表格大家可以去Python手动尝试一下。 np.std()标准差np.var()方差np.median()中位数np.power()幂运算np.sart()开方np.log)(对数np.exp()指数np.argsort()将元素按照行从小到大排序返回对应位置元素的下标
二numpy数组运算
一维数组
2.1加法 array([ 9, 18, 27, 36, 45])
a np.array([10, 20, 30, 40, 50])
b np.arange(1, 6)
print(a b)array([11, 22, 33, 44, 55])
2.2减法
a - barray([ 9, 18, 27, 36, 45])
2.3乘法
a * barray([ 10, 40, 90, 160, 250])
2.4除法
a / barray([10., 10., 10., 10., 10.])
二维数组
2.5加法
A np.array([[1, 2],[3, 4]])
B np.array([[5, 6],[7, 8]])
print(AB)
[[6,8],
[10,12]]
2.6减法
A-B[[-4 -4][-4 -4]]
2.7乘法
A*B
[[ 5 12][21 32]]
2.8除法
A/B
[[0.2 0.33333333][0.42857143 0.5 ]]三矩阵运算
3.1矩阵乘法
A np.array([[1, 2],[3, 4]])
B np.array([[5, 6],[7, 8]])
print(np.dot(A,B))
[[19 22][43 50]]
3.2矩阵转置
print(A.T)
[[1 3][2 4]]
3.3求逆矩阵
np.linalg.inv(A)
[[-2. 1. ][ 1.5 -0.5]]
四numpy广播机制
术语广播是指 NumPy 在算术运算期间处理不同形状的数组的能力。 对数组的算术运算通常在相应的元素上进行。 如果两个阵列具有完全相同的形状则这些操作被无缝执行。 a np.array([1,2,3,4])
b np.array([10,20,30,40])
c a * b
print(c)
[10 40 90 160]
a np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
b np.array([1, 2, 3])# 可直接简写为a b, numpy自动实现广播功能当参与运算的操作数的维度不一样时
a barray([[ 2, 4, 6],[ 5, 7, 9],[ 8, 10, 12]])
