numpy 菜鸟教程,列举numpy中常用的5个方法
1.简介NumPy是Python中最常用的数据科学库之一。它可以方便地使我们的日常工作变得简单。本文重点介绍Numpy中的四个技巧。掌握这些技能可以让我们处理数据的方式更加高效。
废话少说，我们开始吧！
2.生成特殊数组在数据科学、深度学习和线性代数中，通常需要生成特殊数组，比如0和1的数组和矩阵，或者单位矩阵。NumPy让上面的操作非常简单！让我们看看如何使用Numpy进行编码，如下所示：
#创建一个零数组
将numpy作为np导入
zeros=NP . zeros(5)
打印(零)
退货数量：
# [0.0.0.0.0.]在上面的代码中，我们使用了np.zeros()函数来生成一个包含零的数组。上面的代码创建了一个一维向量。
同样，我们可以传入其他形状来创建一些其他的特殊数组，如下所示：
#在NumPy中创建特殊数组
将numpy作为np导入
zeros=np.zeros((2，2))
ones=np.ones((2，2))
同一性=np.identity(3)
打印(零)
打印(个)
打印(身份)
退货数量：
# [[0.0.]
# [0.0.]]
# [[1.1.]
# [1.1.]]
# [[1.0.0.]
# [0.1.0.]
# [0.0.1.]]3.使用where的条件过滤函数np.where()主要用于过滤(并替换)数组中的值。这是一个强大的功能，可以轻松实现查找和替换操作。
接下来，我们先来看一个过滤数据的基本例子：
#使用NumPy筛选数组，其中()
将numpy作为np导入
arr=np.array([1，2，3，4，5，6，7，8])
print(np.where(arr 5))
退货数量：
# (array([5，6，7]))，)同样，我们可以用这个函数来替换满足过滤条件的值。例子如下：
#用NumPy替换值，其中()
将numpy作为np导入
arr=np.array([1，2，3，4，5，6，7，8])
print(np.where(arr 5，1，arr))
退货数量：
# [1 2 3 4 5 1 1 1]在上面的例子中，我们将替换满足条件的值，并将其传入第二个参数。在第三个参数中，我们传递用于任何不满足条件的对象的值。
4.改变矩阵的形状改变矩阵的形状可能是NumPy中需要执行的最常见的操作之一。例如，当使用深度神经网络时，确保阵列具有特定形状是很重要的。和其他例子一样，NumPy让上面的操作变得非常简单！
让我们看看如何将一维数组转换为多维矩阵：
#重塑NumPy数组
将numpy作为np导入
arr=np.arange(9)
arr=NP . shape(arr，(3，3))
打印(排列)
退货数量
# [[0 1 2]
# [3 4 5]
# [6 7 8]]在上面的例子中，我们使用了np.reshape()将一维数组转换为3x3矩阵。
类似地，我们可以使用np.tranpose()函数来转置矩阵，如下所示：
#转置NumPy中的数组
将numpy作为np导入
arr=np.array([[1，2，3，4]])
print(fOriginal Array: \n{arr} )
arr=np.transpose(arr)
print(fModified Array: \n{arr} )
退货数量
#原始数组：
# [[1 2 3 4]]
#修改后的数组：
# [[1]
# [2]
# [3]
# [4]]5.计算唯一值。在最后一节中，让我们学习如何使用函数np.unique()来计算数组中的唯一值。
当然，我们也可以传入counts=True参数，此时上述函数将返回一个包含唯一值和计数的元组。
例子如下：
#计算数组中的唯一值
将numpy作为np导入
arr=[1，1，1，2，2，1，3，4，5，1，2]
values，counts=np.unique(arr，return_counts=True)
打印(值)
打印(计数)
退货数量：
# [1 2 3 4 5]
# [5 3 1 1 1]在上面的示例中，第一个返回的数组按照唯一值出现的顺序输出它们。第二个包含每个值的频率。例如，数组arr中的数字1出现了五次！
6.在本教程中，我们学习了使用NumPy的四种重要方法。同时，Numpy库很大，有很多有用的特性。希望本教程能让我们更深入地了解如何有效地使用这个库进行日常工作开发。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。