NumPy exercises.pdf
此处省去课堂上讲解的一维数组和多维数组(花式位置索引)等索引方法,此篇文章旨在补充布尔索引 boolean indexing知识点以bool数组作为索引bool数组可以通过直接指出保留的值(True)与舍弃的值(False),来构建输出的数组。bool数组的shape需要与被索引的数组(的前若干个维度)shape严格对齐。我们通过下面的例子来理解:Selecting data from an ar
广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式, 对数组的算术运算通常在相应的元素上进行。如果两个数组 a 和 b 形状相同,即满足 a.shape == b.shape,那么 a*b 的结果就是 a 与 b 数组对应位相乘。这要求维数相同,且各维度的长度相同。实例import numpy as np a = np.array([1,2,3,4])
numpy.full_like()语法:numpy.full_like(a, fill_value, dtype=None, order='K', subok=True)[source]参数:a : array_like。用a的形状和数据类型,来定义返回数组的属性。 fill_value : 标量。数组中元素的值 dtype : 数据类型, 可选。覆盖结果的数据类型。
函数:np.eye()函数的原型:numpy.eye(N,M=None,k=0,dtype=,order='C)返回的是一个二维2的数组(N,M),对角线的地方为1,其余的地方为0.参数介绍:(1)N:int型,表示的是输出的行数(2)M:int型,可选项,输出的列数,如果没有就默认为N(3)k:int型,可选项,对角线的下标,默认为0表示的是主对角
.reshape(shape):不改变数组元素,返回一个shape形状的数组,原数组不变.resize(shape):与.reshape()功能一致,但修改原数组In [22]: a = np.arange(20)#原数组不变In [23]: a.reshape([4,5])Out[23]:array([[ 0, 1, 2, 3, 4], [ 5,
关注