九色国产,午夜在线视频,新黄色网址,九九色综合,天天做夜夜做久久做狠狠,天天躁夜夜躁狠狠躁2021a,久久不卡一区二区三区

原文地址

NumPy數(shù)組的維數(shù)稱為秩（rank），一維數(shù)組的秩為1，二維數(shù)組的秩為2，以此類推。在NumPy中，每一個線性的數(shù)組稱為是一個軸（axes），秩其實(shí)是描述軸的數(shù)量。比如說，二維數(shù)組相當(dāng)于是一個一維數(shù)組，而這個一維數(shù)組中每個元素又是一個一維數(shù)組。所以這個一維數(shù)組就是NumPy中的軸（axes），而軸的數(shù)量——秩，就是數(shù)組的維數(shù)。

Numpy庫中的矩陣模塊為ndarray對象，有很多屬性：T，data, dtype,flags,flat,imag,real,size,

itemsize,nbytes,ndim,shape,strides,ctypes,base等等。

>>> import numpy as np>>> x=np.array([[1,2,3],[9,8,7],[6,5,4]])>>> x.T   #獲得x的轉(zhuǎn)置矩陣array([[1, 9, 6],[2, 8, 5],[3, 7, 4]])>>> print x.flags  #返回?cái)?shù)組內(nèi)部的信息C_CONTIGUOUS : TrueF_CONTIGUOUS : FalseOWNDATA : TrueWRITEABLE : TrueALIGNED : TrueUPDATEIFCOPY : False>>> x.flat[2:6]   #將數(shù)組變?yōu)?維數(shù)組，并獲取其中的一部分?jǐn)?shù)據(jù)array([3, 9, 8, 7])>>> x.flat = 4; x   #將值賦給1維數(shù)組，再轉(zhuǎn)化成有原有數(shù)組的大小形式array([[4, 4, 4],[4, 4, 4],[4, 4, 4]])>>> xarray([[4, 4, 4],[4, 4, 4],[4, 4, 4]])

ndarray.imag # 為復(fù)變函數(shù)中含有虛部的數(shù)組，如下：

>>> x = np.sqrt([2+3j, 5+0j])   # 創(chuàng)建一個復(fù)數(shù)>>> xarray([ 1.67414923+0.89597748j,  2.23606798+0.j        ])>>> x.imag  #獲得復(fù)數(shù)的虛部array([ 0.89597748,  0.        ])>>> x.real   #獲得復(fù)數(shù)的實(shí)部array([ 1.67414923,  2.23606798])>>> x=np.arange(10)  #隨機(jī)生成一個數(shù)組，并重新命名一個空間的數(shù)組>>> x.reshape(2,5)array([[0, 1, 2, 3, 4],[5, 6, 7, 8, 9]])>>> x.size   #獲得數(shù)組中元素的個數(shù)10>>> x.ndim  #獲得數(shù)組的維數(shù)>>> x.shape  #獲得數(shù)組的（行數(shù)，列數(shù)）(10,)>>> y=x.reshape(5,2)>>> yarray([[0, 1],[2, 3],[4, 5],[6, 7],[8, 9]])>>> y.base   #獲得該數(shù)組基于另外一個對象數(shù)組而來，如下，y是根據(jù)x而來array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

Ndarray對象的方法

ndarray.ptp(axis=None, out=None) : 返回?cái)?shù)組的最大值—最小值或者某軸的最大值—最小值

ndarray.clip(a_min, a_max, out=None) : 小于最小值的元素賦值為最小值，大于最大值的元素變?yōu)樽畲笾怠?/h4>

ndarray.all()：如果所有元素都為真，那么返回真；否則返回假

ndarray.any()：只要有一個元素為真則返回真

ndarray.swapaxes(axis1, axis2) : 交換兩個軸的元素，如下

>>> z.swapaxes(0,1)array([[2, 4, 6, 8],[3, 5, 7, 9]])

•  下面為改變數(shù)組維度和大小的方法：

ndarray.reshape(shape[, order]) :返回重命名數(shù)組大小后的數(shù)組，不改變元素個數(shù).

ndarray.resize(new_shape[, refcheck]) :改變數(shù)組的大?。梢愿淖償?shù)組中元素個數(shù)）.

ndarray.transpose(*axes) :返回矩陣的轉(zhuǎn)置矩陣

ndarray.swapaxes(axis1, axis2) : 交換兩個軸的元素后的矩陣.

ndarray.flatten([order]) : 復(fù)制一個一維的array出來.

ndarray.ravel([order]) :返回為展平后的一維數(shù)組.

ndarray.squeeze([axis]) :移除長度為1的軸。

ndarray.tolist():將數(shù)組轉(zhuǎn)化為列表

ndarray.take(indices, axis=None, out=None, mode=’raise’):獲得數(shù)組的指定索引的數(shù)據(jù)，如：

>>> a=np.arange(12).reshape(3,4)>>> aarray([[ 0,  1,  2,  3],[ 4,  5,  6,  7],[ 8,  9, 10, 11]])>>> a.take([1,3],axis=1) #提取1，3列的數(shù)據(jù)array([[ 1,  3],[ 5,  7],[ 9, 11]])

numpy.put(a, ind, v, mode=’raise’)：用v的值替換數(shù)組a中的ind（索引）的值。Mode可以為raise/wrap/clip。Clip：如果給定的ind超過了數(shù)組的大小，那么替換最后一個元素。

numpy.repeat(a, repeats, axis=None)：重復(fù)數(shù)組的元素，如：

>>> x = np.array([[1,2],[3,4]])>>> np.repeat(x, 2)array([1, 1, 2, 2, 3, 3, 4, 4])>>> np.repeat(x, 3, axis=1)array([[1, 1, 1, 2, 2, 2],[3, 3, 3, 4, 4, 4]])>>> np.repeat(x, [1, 2], axis=0)array([[1, 2],[3, 4],[3, 4]])

numpy.tile(A, reps)：根據(jù)給定的reps重復(fù)數(shù)組A，和repeat不同，repeat是重復(fù)元素，該方法是重復(fù)數(shù)組。

ndarray.var(axis=None, dtype=None, out=None, ddof=0)：返回?cái)?shù)組的方差，沿指定的軸。

ndarray.std(axis=None, dtype=None, out=None, ddof=0)：沿給定的軸返回?cái)?shù)則的標(biāo)準(zhǔn)差

ndarray.prod(axis=None, dtype=None, out=None)：返回指定軸的所有元素乘機(jī)

ndarray.cumprod(axis=None, dtype=None, out=None)：返回指定軸的累積，如下：

>>> aarray([[ 0,  1,  2,  3],[ 4,  5,  6,  7],[ 8,  9, 10, 11]])>>> a.cumprod(axis=1)  #得到豎軸的累積array([[   0,    0,    0,    0],[   4,   20,  120,  840],[   8,   72,  720, 7920]])

ndarray.mean(axis=None, dtype=None, out=None)：返回指定軸的數(shù)組元素均值

ndarray.cumsum(axis=None, dtype=None, out=None)：返回指定軸的元素累計(jì)和。如：

>>> aarray([[ 0,  1,  2,  3],[ 4,  5,  6,  7],[ 8,  9, 10, 11]])>>> a.cumsum(axis=1)array([[ 0,  1,  3,  6],[ 4,  9, 15, 22],[ 8, 17, 27, 38]])

ndarray.sum(axis=None, dtype=None, out=None)：返回指定軸所有元素的和

ndarray.trace(offset=0, axis1=0, axis2=1, dtype=None, out=None)：返回沿對角線的數(shù)組元素之和

ndarray.round(decimals=0, out=None)：將數(shù)組中的元素按指定的精度進(jìn)行四舍五入，如下：

>>> np.around([0.37, 1.64])array([ 0., 2.])>>> np.around([0.37, 1.64], decimals=1)array([ 0.4, 1.6])>>> np.around([.5, 1.5, 2.5, 3.5, 4.5]) # rounds to nearest even valuearray([ 0., 2., 2., 4., 4.])>>> np.around([1,2,3,11], decimals=1) # ndarray of ints is returnedarray([ 1, 2, 3, 11])>>> np.around([1,2,3,11], decimals=-1)array([ 0, 0, 0, 10])

ndarray.conj()：返回所有復(fù)數(shù)元素的共軛復(fù)數(shù),如：

>>> b=np.array([[1+2j,3+0j],[3+4j,7+5j]])>>> barray([[ 1.+2.j,  3.+0.j],[ 3.+4.j,  7.+5.j]])>>> b.conj()array([[ 1.-2.j,  3.-0.j],[ 3.-4.j,  7.-5.j]])

ndarray.argmin(axis=None, out=None):返回指定軸最小元素的索引。

ndarray.min(axis=None, out=None)：返回指定軸的最小值

ndarray.argmax(axis=None, out=None)：返回指定軸的最大元素索引值

ndarray.diagonal(offset=0, axis1=0, axis2=1)：返回對角線的所有元素。

ndarray.compress(condition, axis=None, out=None)：返回指定軸上條件下的切片。

ndarray.nonzero()：返回非零元素的索引