怎么登陆建设工程网站,wordpress 视频 slider,保定网站开发培训,无锡做网站公司哪家好电话前言
之前做过将近一年的python爬虫#xff0c;python语言基础还是有的。眼下机器学习如日中天#xff0c;项目中有用到机器学习对采集的内容进行分类的功能#xff0c;闲暇之际学习一下相关的库#xff0c;以期待money
简介
numpy python科学计算基础库matplotlib Ma…前言
之前做过将近一年的python爬虫python语言基础还是有的。眼下机器学习如日中天项目中有用到机器学习对采集的内容进行分类的功能闲暇之际学习一下相关的库以期待money
简介
numpy python科学计算基础库matplotlib Matplotlib 是一个 Python 的 2D绘图库它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形pandas python数据分析库
NumPy基本知识点
数组输出设置
set_printoptions(precisionNone, thresholdNone, edgeitemsNone, linewidthNone, suppressNone, nanstrNone, infstrNone, formatterNone)
precision 输出浮点数精度设置默认为8threshold 触发输出总结的阈值可以设置为np.inf全部打印出来
切片 来源
python序列切片地址可以写为[开始结束步长]其中的开始、结束和步长都可以省略 range(10) [0,1,2,3,4,5,6,7,8,9]开始start省略时默认从第0项开始 range(10)[:10:2] [0,2,4,6,8]结尾省略的时候默认到数组最后 range(10)[1::2] [1,3,5,7,9]开始和结尾不省略的时候,step缺省为1 range(10)[2:6:] [2,3,4,5]步长stepn;代表从start开始start也算每隔step间隔取一个数一直到结尾end range(20)[::3] [0,3,6,9,12,15,18]当step等于负数的时候从右向左取数 range(10)[::-1] [9,8,7,6,5,4,3,2,1,0]; range(10)[::-2] [9,7,5,3,1]a[start:end]取得范围为[start,end)a[:end]取得范围为[0,end)a[start:]取得范围为从start到最后包括最后多维切片 In [1]: import numpy as npIn [2]: a np.arange(25).reshape((5,5))In [3]: a
Out[3]:
array([[ 0, 1, 2, 3, 4],[ 5, 6, 7, 8, 9],[10, 11, 12, 13, 14],[15, 16, 17, 18, 19],[20, 21, 22, 23, 24]])# 各个维度分别取冒号表示取这个维度的所有In [4]: a[:,2:5]
Out[4]:
array([[ 2, 3, 4],[ 7, 8, 9],[12, 13, 14],[17, 18, 19],[22, 23, 24]])In [5]: a[:, None].shape
Out[5]: (5, 1, 5)# None代表新增加一个维度它有一个别称叫newaxis None放在哪一维就会在哪一维上出现新的维度In [6]: a[:, None]
Out[6]:
array([[[ 0, 1, 2, 3, 4]], [[ 5, 6, 7, 8, 9]], [[10, 11, 12, 13, 14]], [[15, 16, 17, 18, 19]], [[20, 21, 22, 23, 24]]])
In [7]: a[:,:, None].shape
Out[7]: (5, 5, 1)In [8]: a[..., None].shape
Out[8]: (5, 5, 1) The dots (…) represent as many colons as needed to produce a complete indexing tuple. For example, if x is a rank 5 array (i.e., it has 5 axes), then x[1,2,…] is equivalent to x[1,2,:,:,:], x[…,3] to x[:,:,:,:,3]x[4,…,5,:] to x[4,:,:,5,:]. c np.array( [[[ 0, 1, 2], # a 3D array (two stacked 2D arrays)
... [ 10, 12, 13]],
... [[100,101,102],
... [110,112,113]]])c.shape
(2, 2, 3)c[1,...] # same as c[1,:,:] or c[1]
array([[100, 101, 102],[110, 112, 113]])c[...,2] # same as c[:,:,2]
array([[ 2, 13],[102, 113]])
测试安装
import matplotlib.pyplot as plt
import numpy as npX np.linspace(-np.pi,np.pi,256,endpointTrue)
(C,S)np.cos(X),np.sin(X)#这里用到了Matplotlib和numpy模块,linspace在(−π,π)之间分成共256个小段
#并把这256个值赋予X。C,S分别是cosine和sine值X,C,S都是numpy数组
plt.plot(X,C)
plt.plot(X,S)#进行显示
plt.show()
