Autor: Ai Wen, un máster en informática, profesor de formación interna y entrevistador con medalla de oro, experto senior en algoritmos de la empresa, ahora trabaja en una fábrica de BAT de primer nivel.
Correo electrónico: [email protected]
Blog: https://wenjie.blog.csdn.net/
Contenido: Programación con Ai Wenjie "Python de aprendizaje básico cero"
objetivo de aprendizaje
- ¿Qué es Numpy?
- Numerosas operaciones básicas iniciales
- Creación de objetos ndarray.
- Operaciones matemáticas básicas
- Acceso al subíndice de datos
- acceso al segmento de matriz
- numerosas funciones importantes
- fusión de matrices
¿Qué es Numpy?
NumPy (Numerical Python) es una biblioteca de programas extendida del lenguaje Python que admite una gran cantidad de matrices dimensionales y operaciones matriciales.
Operaciones de matriz: proporciona una gran cantidad de bibliotecas de funciones matemáticas
Características: Es una biblioteca matemática muy rápida, utilizada principalmente para cálculos de matrices.
Objetivo: procesar matrices multidimensionales del mismo tipo de datos. En numpy, podemos representar las dimensiones como ejes y crear un tipo de objeto: numpy.ndarray
Comprensión preliminar de numerosas operaciones básicas.
importar numpy como np
imprimir(np.__versión__)
'1.16.2'
Primero, podemos crear una matriz.
datos = np.naranja(15)
imprimir (datos)
matriz([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])
Luego, podemos remodelar para la transformación, tipo de objeto numpy.ndarray
Finalmente, veamos qué propiedades y métodos importantes tiene numpy.ndarray.
Concéntrese en analizar algunos de nuestros contenidos de uso común.
creación de objetos ndarray
- lista de Python o tupla como entrada
- función de ceros
- función vacía
- la función de uno
- función aleatoria
El método de creación general, podemos usar Python list o tuple como entrada para crear ndarray
Operaciones matemáticas comunes
A y B son dos matrices de matrices numerosas respectivamente
Acceso al elemento de subíndice de matriz
Python obtiene datos por índice
Podemos pensar en la matriz ndarray como una matriz, y luego es fácil obtener los datos nuevamente.
Acceso a datos unidimensionales
Sintaxis de acceso a datos unidimensionales: x[inicio:parada:paso] valor predeterminado inicio＝0, parada＝tamaño del paso de dimensión = 1
Acceso a datos multidimensionales
numerosas funciones importantes
operación de remodelación
Al remodelar la matriz, puede cambiar la estructura de datos de la matriz; aquí, cree una matriz de 3*3
estrujar
Eliminar entradas unidimensionales de la forma de la matriz, es decir, eliminar la dimensión de 1 en la forma
función de transposición
Para la conversión entre diferentes dimensiones, en el caso de latitudes altas, es muy importante utilizar la función numpy.Al procesar esta imagen
Por ejemplo: imagen de 3 canales, intercambio de datos de diferentes dimensiones.
función argmax
argmax devuelve el índice del número máximo. argmax tiene un eje de parámetros, que por defecto es 0, lo que indica el valor máximo de la dimensión
combinación de matrices
Combinando operaciones básicas con diferentes matrices.
np.concatenar
vstack/hstack
vstack combina dos objetos ndarray horizontalmente
Animémonos juntos y aprendamos del grupo de intercambio.