numpy使用笔记

  1. np.sqrt()与np.emath.sqrt()
    这两个不同的地方在于,前者只能接受一个大于0的数,也就是前面的运算只能得到一个实数;而后者可以接受一个负数,运算结果也可以是一个虚数。
    在这里插入图片描述

  1. 输出2016点7月的每一天
    numpy使用笔记_第1张图片

  1. np取整的总结
      numpy取整有六种方法:
  • np.floor():向下取整
  • np.ceil():向上取整
  • np.trunc():截取整数部分
  • np.rint():四舍五入到整数
  • Z.astype(int):通过类型转化
  • Z - Z%1:通过减去取余得到的小数
    numpy使用笔记_第2张图片

  1. 对于长度较小的数组,np.add.reduce比np.sum快很多。

  1. 比较两个数组是否相同
  • np.allclose():比较两个数组是否“相近”,误差在1e-05内。(可用来比较整数数组)
  • np.array_equal():比较两个数组中每个元素是否相等

  1. 数组设置为read only
    Z.flags.writeable = False

  1. 取数组中最大(最小)元素的索引
  • Z.argmax(): 取数组中最大索引
  • Z.argmin(): 取数组中最小值索引

  1. 对角矩阵
    生成对角矩阵的函数有两个:np.eye()和np.identity(),前者比后者功能更强大,所以一般用np.eye()。
    具体用法参考:https://blog.csdn.net/m0_37393514/article/details/81455915

  1. 对数组边缘填充
    这个函数常用与在对图像进行卷积神经网络计算后导致的的边缘丢失,从而进行填充。
    numpy使用笔记_第3张图片
  2. python的小数在这里插入图片描述
  3. np.tile()
      tile译为瓷砖的意思,顾名思义,这个函数是把数组像瓷砖一样在水平和垂直方向平铺开来。也就是横向纵向复制。
    在这里插入图片描述
    numpy使用笔记_第4张图片
  4. np.dtype
      结构化数组类型
    numpy使用笔记_第5张图片

  1. 对一个1到10向量中3到8之间的数取反
    在这里插入图片描述

  1. python自带sum()和numpy的sum()
    numpy使用笔记_第6张图片
    numpy使用笔记_第7张图片

  1. np.arctan2()和np.arctan()
    &esmp;&esmp;np.arctan2()接受两个参数,第一个参数为y,第二个参数为x,结果为arctan(y/x)。np.arctan()接受一个参数,直接计算arctan(x)。
    numpy使用笔记_第8张图片
  2. np.meshgrid()
      np.meshgrid(x,y)接收数组x和y,生成网格点(也就是横纵坐标的形式)

  1. np.subtract.outer()
      np.subtract.outer(X,Y)作用为外部减,X减去Y中的每个元素。等同于广播操作:X[:,None]-Y。其中X[:,None]为将X从行向量变为列向量
    numpy使用笔记_第9张图片
    numpy使用笔记_第10张图片

  1. np.astype()
      numpy对数组进行类型转换
    numpy使用笔记_第11张图片

  1. any函数
    any() 函数用于判断给定的可迭代参数 iterable 是否全部为 False,则返回 False,如果有一个为 True,则返回 True。
    元素除了是 0、空、FALSE 外都算 TRUE

你可能感兴趣的:(Python)