-
rank 表示数组的维数，1维数组是rank1,2维数组是rank2。
np.full((2,3),1):第一个参数是表示要创建多少行数据，第二个参数是创建什么值
random.random((3,4)):表示随机创建的数组
查看全部 -
reshape 可以理解为重置数组，-1为缺省值查看全部
-
Array（数组） rank 数组维数
import numpy as np //引入numpy
a = np.array([1,2,3]) //定义并初始化数组
a type(a) //查看a的类型
a.shape //查看a的大小 a=a.reshape((1,-1)) //第一个1是只有一行，-1是一个占位符
a = np.zeros((3,3)) //创建行列都是3的元素全为0数组
a = np.ones((2,3)) //创建行是2列是3的元素全为1数组
a = np.full((3,3),0) //创建行列都是3的元素全为0数组
eye（创建单位矩阵）
a = np.eye(3) reshape(1,-1) 这个函数中"-1"表示占位符,根据实际数组自动计算出来
random.random 从0到1之间随机取值
查看全部 -
Array（数组） rank 数组维数 import numpy as np //引入numpy a = np.array([1,2,3]) //定义并初始化数组a type(a) //查看a的类型 a.shape //查看a的大小 a=a.reshape((1,-1)) //第一个1是只有一行，-1是一个占位符 a = np.zeros((3,3)) //创建行列都是3的元素全为0数组 a = np.ones((2,3)) //创建行是2列是3的元素全为1数组 a = np.full((3,3),0) //创建行列都是3的元素全为0数组 eye（创建单位矩阵） a = np.eye(3) reshape(1,-1) 这个函数中"-1"表示占位符,根据实际数组自动计算出来 random.random 从0到1之间随机取值
查看全部 -
import numpy as np 把numpy 简化成np
原本 a=numpy.array () 变成 a=np.array()
array（）用于创建数组
reshape（（n,-1）) 函数中 -1代表3
shape 获取数组的行列大小信息 先行后列
zeros 创建元素全为0的数组
ones 同理
可以用full 实现上述的函数 a = np.full ((3,3),0)
eye 用于创建单位矩阵
random.random 创建元素0-1随机数组
查看全部 -
Array（数组） rank 数组维数 import numpy as np //引入numpy a = np.array([1,2,3]) //定义并初始化数组a type(a) //查看a的类型 a.shape //查看a的大小
查看全部 -
anaconda
查看全部 -
数组创建
array函数
n = np.array([1,2,3,4,5,6])
[1 2 3 4 5 6]
reshape函数（-1占位符）
n = n.reshape(-1,2) 分为两列
[[1 2]
[3 4]
[5 6]]
full函数
a= np.full((2,3),1)
[[1 1 1]
[1 1 1]]
eye函数：左右上角为1，其余为0
n = np.eye(3)
[[1. 0. 0.]
[0. 1. 0.]
[0. 0. 1.]]
random.random(0-1间的随机数）
n = np.random.random(3)
[0.21285062 0.29331218 0.90596449]
查看全部 -
# full 函数的使用 import numpy as np a = np.full((2, 3), 0) array([0, 0, 0], [0, 0, 0], [0, 0, 0]) a = np.full((2, 3), 1) # 输出元素全为1的2行3列的数组
查看全部 -
非常强大的数组运算查看全部
-
Array查看全部
-
Arry查看全部
-
a.T
转置矩阵a
查看全部 -
a.argsort()为每一行的排序结果，输出一个与a同样大小的数组，其中每个元素为a中元素的位置index
查看全部 -
np.tile(a,(1,2))
a=
[[1 2 1 2]
[3 4 3 4]]
查看全部
举报