分类：NumPy

2023
01-03

numpy系列之数组重塑的实现

目录1.数组重塑1.1一维数组重塑1.2多维数组重塑2.数组转置1.数组重塑所谓数组重塑就是更改数组的形状。比如将原来3行4列的数组重塑成4行3列的数组。在numpy中用reshape方法来实现数组重塑1.1一维数组重塑一维数组重塑就是将数组从一行或一列数组重塑为多行多列的数组。先创建一个一维数组importnumpyasnp​arr=np.arange(8)print(arr)result:[01234567]上面的这个数组既可以转换为2行4列的多维数组，也可以转... 继续阅读 >
2023
01-03

numpy系列之数组合并(横向和纵向)

目录1.横向合并1.1concatenate方法1.2hstack方法1.3column_stack方法2.纵向合并2.1concatenate方法2.2vstack方法2.3row_stack方法先新建两个数组用于合并importnumpyasnparr1=np.array([[1,2,3],[4,5,6]])print(arr1)result:[[123] [456]]arr2=np.array([[7,8,9],[10,11,12]])print(arr2)result:[[7 8 9] [101112]]1.横向合并横向合并就是将两个行数相等的数组在行方向上进行... 继续阅读 >
2022
09-03

python之用Numpy和matplotlib画一个魔方

python之用Numpy和matplotlib画一个魔方 目录前言开搞！构建体素制作间隙效果为每个面赋不同的颜色完整代码瞎鼓捣系列~Numpy+matplotlib画一个魔方前言NumPy是Python科学计算的基本包。它是一个Python库，提供了多维数组对象、各种派生对象(如掩码数组和矩阵)，以及用于对数组进行快速操作的各种例程，包括数学、逻辑、形状操作、排序、选择、I/O、离散傅里叶变换、基本线性代数、基本的统计运算，随机模拟等等。github官方文档最近项目中有个码垛规划的需求，Numpy中... 继续阅读 >
2021
12-14

Python NumPy灰度图像的压缩原理讲解

灰度图像是对图像的颜色进行变换，如果要对图像进行压缩该怎么处理呢？1、矩阵运算中有一个概念叫做奇异值和特征值。设A为n阶矩阵，若存在常数λ及n维非零向量x，使得Ax=λx，则称λ是矩阵A的特征值，x是A属于特征值λ的特征向量。一个矩阵的一组特征向量是一组正交向量。2、即特征向量被施以线性变换A只会使向量伸长或缩短而其方向不被改变。特征分解（Eigendecomposition），又称谱分解（Spectraldecomposition）是将矩阵分解... 继续阅读 >
2021
12-09

NumPy实现多维数组中的线性代数

目录简介图形加载和说明图形的灰度灰度图像的压缩原始图像的压缩总结简介本文将会以图表的形式为大家讲解怎么在NumPy中进行多维数据的线性代数运算。多维数据的线性代数通常被用在图像处理的图形变换中，本文将会使用一个图像的例子进行说明。图形加载和说明熟悉颜色的朋友应该都知道，一个颜色可以用R，G，B来表示，如果更高级一点，那么还有一个A表示透明度。通常我们用一个四个属性的数组来表示。对于一个二维的图像来说，其分... 继续阅读 >
2021
07-31

关于Numpy之repeat、tile的用法总结

关于Numpy之repeat、tile的用法总结 repeat函数的作用：①扩充数组元素②降低数组维度numpy.repeat(a,repeats,axis=None)：若axis=None，对于多维数组而言，可以将多维数组变化为一维数组，然后再根据repeats参数扩充数组元素；若axis=M，表示数组在轴M上扩充数组元素。下面以3维数组为例，了解下repeat函数的使用方法：In[1]:importnumpyasnpIn[2]:arr=np.arange(12).reshape(1,4,3)In[3]:arrOut[3]:array([[[0,1,2],[3,4,5],... 继续阅读 >
2021
07-22

深入解析NumPy中的Broadcasting广播机制

深入解析NumPy中的Broadcasting广播机制 前言在吴恩达老师的深度学习专项课程中，老师有提到NumPy中的广播机制，同时那一周的测验也有涉及到广播机制的题目。那么，到底什么是NumPy中的广播机制？官方文档接下来到了看官方文档的时间。ArrayBroadcastinginNumpy广播机制概述让我们探索numpy中一个更高级的概念，这个概念被称为广播。广播展现了NumPy在算术运算期间是如何处理具有不同形状的数组的。受到某些约束，较小的阵列将在较大的阵列上“广播”，以使它们具有... 继续阅读 >
2021
07-17

python numpy中multiply与*及matul 的区别说明

python numpy中multiply与*及matul 的区别说明 1、对于矩阵（matrix）而言multiply是对应元素相乘，而*、np.matmul()函数与np.dot()函数相当于矩阵乘法（矢量积），对应的列数和行数必须满足乘法规则；如果希望以数量积的方式进行，则必须使用np.multiply函数，如下所示：a=np.mat([[1,2,3,4,5]])b=np.mat([[1,2,3,4,5]])c=np.multiply(a,b)print(c)结果是[[1491625]]a=np.mat([[1,2,3,4,5]])b=np.mat([[1],[2],[3],[4],[5]])d=a*bprint(d)#a... 继续阅读 >
2021
07-16

浅谈Python numpy创建空数组的问题

浅谈Python numpy创建空数组的问题 目录一、问题描述：二、具体的实现：三、完整代码：一、问题描述：有一个shape为(308,2)的二维数组，以及单独的一个数字，需要保存到csv文件中，这个单独的数字让其保存到第3列第一行的位置。二、具体的实现：首先要想把一个(308,2)的二维数组和一个数字给拼接起来，直接拼接没办法实现，因为行数和列数都不同的两个ndarry是无法拼接的（此处按照目前我学的理解，是无法直接拼接的，如果可以的话，麻烦评论一下）。然后我首先想... 继续阅读 >
2021
07-09

解决numpy和torch数据类型转化的问题

在实际计算过程中，float类型使用最多，因此这里重点介绍numpy和torch数据float类型转化遇到的问题，其他类型同理。numpy数据类型转化numpy使用astype转化数据类型，float默认转化为64位，可以使用np.float32指定为32位#numpy转化float类型a=np.array([1,2,3])a=a.astype(np.float)print(a)print(a.dtype)[1.2.3.]float64不要使用a.dtype指定数据类型，会使数据丢失#numpy转化float类型b=np.array([1,2,3])b.dtype=np.float... 继续阅读 >
2021
07-04

NumPy实现ndarray多维数组操作

目录简介创建ndarrayndarray的属性ndarray中元素的类型转换ndarray的数学运算index和切片基本使用indexwithslicebooleanindexFancyindexing数组变换简介NumPy一个非常重要的作用就是可以进行多维数组的操作，多维数组对象也叫做ndarray。我们可以在ndarray的基础上进行一系列复杂的数学运算。本文将会介绍一些基本常见的ndarray操作，大家可以在数据分析中使用。创建ndarray创建ndarray有很多种方法，我们可以使用np.random来... 继续阅读 >
2021
07-04

Python NumPy中diag函数的使用说明

NumPy包中的内置diag函数很有意思。假设创建一个1维数组a，和一个3*3数组b：importnumpyasnpa=np.arange(1,4)b=np.arange(1,10).reshape(3,3)结果如下：>>>aarray([1,2,3])>>>barray([[1,2,3],[4,5,6],[7,8,9]])使用diag函数，看一看结果：>>>np.diag(a)array([[1,0,0],[0,2,0],[0,0,3]])>>>np.diag(b)array([1,5,9])可以发现，当np.diag(array)中array是一个1维数组时，结果形成一个以一维数组为... 继续阅读 >
2021
07-04

使用numpy实现topk函数操作(并排序)

使用numpy实现topk函数操作(并排序) np.argpartition难以解决topKtopK是常用的一个功能，在python中，numpy等计算库使用了丰富的底层优化，对于矩阵计算的效率远高于python的for-loop实现。因此，我们希望尽量用一些numpy函数的组合实现topK。pytorch库提供了topk函数，可以将高维数组沿某一维度（该维度共N项），选出最大（最小）的K项并排序。返回排序结果和index信息。奇怪的是，更轻量级的numpy库并没有直接提供topK函数。numpy只提供了argpartition和parti... 继续阅读 >
2021
07-04

NumPy-ndarray 的数据类型用法说明

NumPy-ndarray 的数据类型用法说明 ndarray的数据类型数据类型，即dtype，也是一个特殊的对象，它包含了ndarray需要为某一种类型数据所申明的内存块信息（也成为了元数据，即表示数据的数据）dtype是NumPy能够与琪他系统数据灵活交互的原因。通常，其他系统提供一个硬盘或内存与数据的对应关系，使得利用C或Fortran等底层语言读写数据变得十分方便。名称描述bool_布尔型数... 继续阅读 >
2021
07-01

使用pandas或numpy处理数据中的空值(np.isnan()/pd.isnull())

最近在做数据处理的时候，遇到个让我欲仙欲死的问题，那就是数据中的空值该如何获取。我的目的本来是获取数据中的所有非零且非空值，然后再计算获得到的所有数据计算均值，再用均值把0和空值填上。这个操作让我意识到了iisNone/np.isnan(i)/i.isnull()之间的差别，再此做简单介绍：1.关于np.nan：先明确一个问题，即空值的产生只有np.nan()一种方法。#np.nan()的一些奇妙性质：np.nan==np.nan>>>Falsenp.isnan(np.nan)>>>... 继续阅读 >