Python之numpy數組學習(二)

2021-03-02 CDA數據分析師

#-*- coding:utf-8 -*-
#stacking.py
import numpy as np

#創建數組
a = np.arange(9).reshape(3,3)

print(a)
#Out: 
#array([[0, 1, 2],
#       [3, 4, 5],
#       [6, 7, 8]])

b = 2 * a

print (b）
#Out: 
#array([[ 0,  2,  4],
#       [ 6,  8, 10],
#       [12, 14, 16]])

#水平疊加
print (np.hstack((a, b)))
#Out: 
#array([[ 0,  1,  2,  0,  2,  4],
#       [ 3,  4,  5,  6,  8, 10],
#       [ 6,  7,  8, 12, 14, 16]])

print (np.concatenate((a, b), axis=1)）
#Out: 
#array([[ 0,  1,  2,  0,  2,  4],
#       [ 3,  4,  5,  6,  8, 10],
#       [ 6,  7,  8, 12, 14, 16]])
#垂直疊加
print (np.vstack((a, b)))
#Out: 
#array([[ 0,  1,  2],
#       [ 3,  4,  5],
#       [ 6,  7,  8],
#       [ 0,  2,  4],
#       [ 6,  8, 10],
#       [12, 14, 16]])

print (np.concatenate((a, b), axis=0))
#Out: 
#array([[ 0,  1,  2],
#       [ 3,  4,  5],
#       [ 6,  7,  8],
#       [ 0,  2,  4],
#       [ 6,  8, 10],
#       [12, 14, 16]])
#深度疊加
print (np.dstack((a, b)))
#Out: 
#array([[[ 0,  0],
#        [ 1,  2],
#        [ 2,  4]],
#
#       [[ 3,  6],
#        [ 4,  8],
#        [ 5, 10]],
#
#       [[ 6, 12],
#        [ 7, 14],
#        [ 8, 16]]])

oned = np.arange(2)

print (oned)
#Out: array([0, 1])

twice_oned = 2 * oned

print (twice_oned)
#Out: array([0, 2])

print (np.column_stack((oned, twice_oned))) 
#Out: 
#array([[0, 0],
#       [1, 2]])

print (np.column_stack((a, b)))
#Out: 
#array([[ 0,  1,  2,  0,  2,  4],
#       [ 3,  4,  5,  6,  8, 10],
#       [ 6,  7,  8, 12, 14, 16]])
#數組對比
print (np.column_stack((a, b)) == np.hstack((a, b)))
#Out: 
#array([[ True,  True,  True,  True,  True,  True],
#       [ True,  True,  True,  True,  True,  True],
#       [ True,  True,  True,  True,  True,  True]], dtype=bool)
#列式堆疊
print (np.row_stack((oned, twice_oned)))
#Out: 
#array([[0, 1],
#       [0, 2]])
 
print (np.row_stack((a, b)))
#Out: 
#array([[ 0,  1,  2],
#       [ 3,  4,  5],
#       [ 6,  7,  8],
#       [ 0,  2,  4],
#       [ 6,  8, 10],
#       [12, 14, 16]])

print (np.row_stack((a,b)) == np.vstack((a, b)))
#Out: 
#array([[ True,  True,  True],
#       [ True,  True,  True],
#       [ True,  True,  True],
#       [ True,  True,  True],
#       [ True,  True,  True],
#       [ True,  True,  True]], dtype=bool)

相關焦點

  • Python之numpy數組學習(一)
    作者  Airy本文轉自AiryData，轉載需授權前面已經安裝並學習了Python中的科學計算庫，今天主要學習下numpy數組。Numpy中的多維數組稱為ndarray，它有兩個組成部分。在數組的處理過程中，原始數據不受影響，變化的只是元數據。Numpy數組通常是由相同種類的元素組成，即數組中數據類型必須一致。好處是：數組元素類型相同，可輕鬆確定存儲數組所需的空間大小。同時，numpy可運用向量化運算來處理整個數組。Numpy數組的索引從0開始。
  • Python之numpy數組學習(三)
    作者  Airy本文轉自AiryData，轉載需授權前面我們學習了numpy庫的簡單應用和數組的處理，今天來學習下比較重要的如何拆分數組。itemsize屬性可以返回數組中各個元素所佔用的字節數。nbytes屬性存儲整個數組所需的字節數量。這個屬性的值正好是itemsize和size屬性值的積。T屬性的作用和transpose()函數相同。如果數組的秩（rank）小於2，那麼所得只是一個數組的視圖。對於numpy來說，複數用j表示。
  • Python之numpy數組學習(四)——索引和視圖
    作者   Airy本文轉自 AiryData，轉載需授權前面我們學習了numpy庫的簡單應用和數組的處理，今天來學習下數組的視圖和索引。在學習ravel()函數的時候，我看到了視圖的概念，這讓我很驚訝，但是注意，這裡的視圖和資料庫中的視圖不是一樣的。在numpy中，視圖不是只讀的。關鍵在於，當前處理的是共享的數組視圖，還是數組數據的副本。舉例來說，可以取數組的一部分來生成視圖，這意味著，如果先將數組的某部分賦值給一個變量，然後修改原數組中相應位置的數據，那麼這個變量的值也會隨之變化。
  • Python使用ctypes模塊調用DLL函數之C語言數組與numpy數組傳遞
    python使用ctypes模塊調用DLL函數之傳遞數值、指針與字符串參數、一般情況下，DLL函數中傳遞C語言類型的數組，在接收到Python語言中時，通常將其轉換為numpy庫裡面的數組類型，這樣做的好處是可以藉助於numpy強大的分析處理功能對數據直接作後續處理。這次通過例子演示下C語言數組到numpy數組之間是怎樣傳遞的。
  • Python學習第113課——numpy中用條件判斷去篩選數組中的元素
    【每天幾分鐘，從零入門python編程的世界！】之前我們學習了如何在numpy中查找數組元素的方法和技巧，現在我們學習如何用條件判斷的方式篩選數組的元素。●numpy中的數組可以直接進行比較直接上代碼：運行結果：我們看到，condition列印出來，它的結構和h的結構一樣。
  • Python學習第112課——numpy中數組查找元素和改變元素的小技巧
    【每天幾分鐘，從零入門python編程的世界！】上節我們學習了如何利用index找到ndarray數組中的一些元素，並把找到的元素生成一個新的ndarray。代碼如下：現在我們學習幾個用index找到ndarray中元素的小技巧。
  • Python入門教程(二):Numpy數組基礎
    Python中的數組操作幾乎等同於Numpy數組操作，今天我們會展示用Numpy數組操作獲取數據或者子數組，對數組進行分裂，變形和連接的例子。import numpy as npnp.random.seed(0)  # 設置隨機種子數，保證程序執行時每次都可以生成同樣的隨機數組x1 = np.random.randint(10, size=6)  # 一維數組x2 = np.random.randint(10, size=(3, 4))  # 二維數組，創建三行四列的數組
  • Python學習第114課——numpy中ndarray的四則運算
    【每天幾分鐘，從零入門python編程的世界！】我們為什麼要學習numpy？numpy其實就是number+Python的簡寫，意思就是通過Python對數據進行處理。這節我們學習numpy中數組的一些基本的四則運算。●numpy中數組的加法運算我們首先生成x和y兩個float類型的數組，然後把它們進行相加。
  • Python學習第119課——numpy中的broadcasting
    【每天幾分鐘，從零入門python編程的世界！】這節課我們學習numpy中的數據的一個多變的特性--broadcasting，broadcasting的官方的說明比較麻煩，我們這裡把它簡化一下，就把它當做「腦補」的意思。
  • Python數據分析之numpy數組全解析
    1 什麼是numpy2 numpy數組創建2.1 基本方法：np.array()2.2 通用方法：np.ones()、np.zeros()、np.eye()2.3 讀取外部數據3 numpy中數組的數據類型4 numpy中數組的形狀5 索引與切片5.1 按索引取值
  • Python乾貨 | Python數據分析之numpy數組全解析
    1 什麼是numpy2 numpy數組創建2.1 基本方法：np.array()2.2 通用方法：np.ones()、np.zeros()、np.eye()2.3 讀取外部數據3 numpy中數組的數據類型4 numpy中數組的形狀5 索引與切片5.1 按索引取值
  • 好程式設計師Python培訓分享numpy簡介
    好程式設計師Python培訓分享numpy簡介：一、numpy簡介：NumPy是一個功能強大的Python庫，主要用於對多維數組執行計算。NumPy這個詞來源於兩個單詞-- Numerical和Python。NumPy提供了大量的庫函數和操作，可以幫助程式設計師輕鬆地進行數值計算。
  • Python冬令營-Numpy 使用簡介
    source: https://realpython.com/numpy-tutorial/#hello-numpy-curving-test-grades-tutorial聲明:本篇推送的主要內容翻譯自:https://realpython.com/numpy-tutorial/#hello-numpy-curving-test-grades-tutorial
  • 學習Python必知的Numpy函數
    NumPy 是一個基礎數學包，以其高效的多維數組函數而聞名，適用於線性代數，傅立葉變換，邏輯運算等。本文從 NumPy 最基礎的知識切入，包括 NumPy 裡面的函數，如何創建 NumPy 數組，數組的索引、切片等，非常適合初學者。
  • Python數據分析之numpy學習(二)
    我們接著《Python數據分析之numpy學習（一）》繼續講解有關numpy方面的知識！
  • Python學習第117課——numpy中dot的運用舉例
    【每天幾分鐘，從零入門python編程的世界！】上節我們學習了最基礎的matrix的運算，可能有小夥伴覺得這都要涉及高等數學知識了，確實如果你想做數據科學、做人工智慧，統計學、概率論等數學知識，尤其是算法是繞不過去的坎，但是不要怕！！！
  • 學員筆記||Python數據分析之:numpy入門(一)
    numpy最主要的是支持矩陣操作與運算非常高效是numpy的優勢，core為C編寫。提升了python的處理效率numpy是一些與比較流行的機器學習框架的基礎。 名詞解釋：ndarray是numpy的核心數據類型，即（n-dimensional array）多維數組，tensorflow中的tensor（張量），它本質上也多維數組，但這個名字很高大上。因此，理解多維數組對之後的機器學習會有很大幫助。導入import numpy as np
  • Python之numpy數組學習2
    #-*- coding:utf-8 -*-#stacking.pyimport numpy as np#創建數組a = np.arange(9).reshape(3,3)print(a)#Out: #array([[0, 1, 2],#       [3, 4, 5],#       [6, 7,
  • Python Numpy 數組的基本操作示例
    # Python程序# 數組的創建import numpy as np# 創建rank 1數組#Pthon程序來演示#numpy數組中的索引import numpy as np#初始數組arr基本陣列操作在numpy中，數組允許可以在特定陣列或陣列組合上執行的各種操作。這些操作包括一些基本的數學運算以及一元和二元運算。
  • Python數據分析基礎之NumPy學習 (上)
    (下)數組計算之 NumPy (上)數組計算之 NumPy (下)科學計算之 SciPy數據結構之 Pandas基本可視化之 Matplotlib統計可視化之 Seaborn交互可視化之 Bokeh炫酷可視化之 PyEcharts