分类：NumPy

2021
07-01

使用numpy nonzero 找出非0元素

直接上代码吧~importnumpyasnpa=np.array([[30,40,70],[80,20,10],[50,90,60]])print(a)print(np.nonzero(a))[[304070][802010][509060]](array([0,0,0,1,1,1,2,2,2],dtype=int64),array([0,1,2,0,1,2,0,1,2],dtype=int64))第一个array为x轴第二个array为y轴补充：【Numpy学习】python查找矩阵中不为0元素的索引（np.nonzero()）在用矩阵分解方法做模型时，需要对模型的结果做验证。在验证过程中... 继续阅读 >
2021
07-01

如何获取numpy的第一个非0元素索引

我就废话不多说了，大家还是直接看代码吧~importnumpyasnparr=np.array([0,0,2,3,0,4])print((arr!=0).argmax(axis=0))#2补充：python获取二维矩阵的每一行的第一个非零元素直接上代码~"""核心函数：array_1D!=0：返回一个True/False序列array.argmax(axis=0):返回沿axis轴的最大元素的索引，当存在多个相等的最大值时，返回第一个最大值的索引"""importnumpyasnparray_1D=np.array([0,1,0,-1,0])array_2D=np.array(... 继续阅读 >
2021
06-23

Python机器学习三大件之一numpy

Python机器学习三大件之一numpy 一、前言机器学习三大件：numpy，pandas，matplotlibNumpy（NumericalPython）是一个开源的Python科学计算库，用于快速处理任意维度的数组。Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。NumPy提供了一个N维数组类型ndarrayimportnumpyasnpscore=np.array([[80,89,86,67,79],[78,97,89,... 继续阅读 >
2021
06-23

Numpy中的ravel_multi_index函数用法说明

最近遇到了ravel_multi_index这个函数，官方文档看不明白，Google了一番好不容易才从一堆示例代码里理解函数的意义，记录一下。官方文档在这这个函数主要功能为把给定的一个多维数组（函数的第一个参数）看作索引数组，索引什么呢？去索引一个形状为dims（函数的第二个参数），值为依次增大的自然数的数组中的值（可看做由list(range(N))的数组reshape(dims)而来），意义即为用一个唯一的一维数来定位（保存）原数组的二维（或多维... 继续阅读 >
2021
06-22

浅谈numpy 中dot()函数的计算方式

浅谈numpy 中dot()函数的计算方式 如下所示：a=np.arange(1,5).reshape(2,2)b=np.arange(2,6).reshape(2,2)c=a*bdot=np.dot(a,b)print(a)print(b)print(c)print(dot)打印出a[[12][34]]打印出b[[23][45]]a*b每个相对位置的数值相乘1*2=2,2*3=6,3*4=12,4*5=20.比较简单,自己脑补一下[[26][1220]]a.dot(b)也可以下成下面的那种形式,看你喜欢了.关键是算法np.dot(a,b)[[1013][2229]]10=1*2+2*4a[1][1]*b[1][1]+a[1][2]*b[2][1]13=1*3+2*522... 继续阅读 >
2021
06-22

numpy中np.nditer、flags=[multi_index] 的用法说明

numpy中np.nditer、flags=[multi_index] 的用法说明 在看CS231n的时候，有这么一行代码it=np.nditer(x,flags=['multi_index'],op_flags=['readwrite'])查了查np.nditer原来是numpyarray自带的迭代器。这里简单写个demo解释一下np.nditer的用法。先构建一个3x4的矩阵然后输入命令flags=['multi_index']表示对a进行多重索引，具体解释看下面的代码。op_flags=['readwrite']表示不仅可以对a进行read（读取），还可以write（写入），即相当于在创建这个迭代器的时候，我们就规定好了... 继续阅读 >
2021
06-22

numpy 实现返回指定行的指定元素的位置索引

numpy 实现返回指定行的指定元素的位置索引 先上代码，主要语句为np.where(b[c]==1)，详细解释如下：importnumpyasnpb=np.array([[-2,-3,0,0,0,6,4,1],[88,1,0,0,0,6,4,2],[99,6,0,0,1,6,4,2]])#三行八列的数组bprint('b\n',b)c=np.array([2,0])#c表示指定行print('b[c]\n',b[c])#b[c]返回数组b的指定行这里依次返回了b的下标为2和0的行print('\n')print(np.where(b[c]==1))#返回指定行的指定元素的位置索引这里返回了b[c]每行中值为1的位置索... 继续阅读 >
2021
06-09

Python基础之Numpy的基本用法详解

一、数据生成1.1手写数组a=np.array([1,2,3,4,5,6,7,8,9,10,11])#一维数组b=np.array([[1,2],[3,4]])#二维数组1.2序列数组numpy.arange(start,stop,step,dtype)，start默认0，step默认1c=np.arange(0,10,1,dtype=int)#=np.arange(10)[0123456789]d=np.array([np.arange(1,3),np.arange(4,6)])#二维数组#不过为了避免麻烦，通常序列二维数组都是通过reshape进行重新组织dd=... 继续阅读 >
2021
06-04

Python基础之numpy库的使用

numpy库概述numpy库处理的最基础数据类型是由同种元素构成的多维数组，简称为“数组”数组的特点：数组中所有元素的类型必须相同数组中元素可以用整数索引序号从0开始ndarray类型的维度叫做轴，轴的个数叫做秩numpy库的解析由于numpy库中函数较多而且容易与常用命名混淆，建议采用如下方法引用numpy库importnumpyasnpnumpy库中常用的创建数组函数函数描述... 继续阅读 >
2021
05-26

Python利用numpy实现三层神经网络的示例代码

Python利用numpy实现三层神经网络的示例代码 本文主要介绍了Python利用numpy实现三层神经网络的示例代码，分享给大家，具体如下：其实神经网络很好实现，稍微有点基础的基本都可以实现出来.主要都是利用上面这个公式来做的。这是神经网络的整体框架，一共是三层，分为输入层，隐藏层，输出层。现在我们先来讲解下从输出层到到第一个隐藏层。使用的编译器是jupyternotebookimportnumpyasnp#定义X，W1，B1X=np.array([1.0,0.5])w1=np.array([[0.1,0.3,0.5],[0.2,0.4... 继续阅读 >
2021
05-23

numpy数据类型dtype转换实现

这篇文章我们玩玩numpy的数值数据类型转换导入numpy>>>importnumpyasnp一、随便玩玩生成一个浮点数组>>>a=np.random.random(4)看看信息>>>aarray([0.0945377,0.52199916,0.62490646,0.21260126])>>>a.dtypedtype('float64')>>>a.shape(4,)改变dtype，发现数组长度翻倍！>>>a.dtype='float32'>>>aarray([3.65532693e+20,1.43907535e+00,-3.31994873e-25,1.75549972e+00,-2.75686653e+14,... 继续阅读 >
2021
05-20

python numpy中setdiff1d的用法说明

python numpy中setdiff1d的用法说明 一、函数解释setdiff1d(ar1,ar2,assume_unique=False)1.功能：找到2个数组中集合元素的差异。2.返回值：在ar1中但不在ar2中的已排序的唯一值。3.参数：ar1：array_like输入数组。ar2：array_like输入比较数组。assume_unique：bool。如果为True，则假定输入数组是唯一的，即可以加快计算速度。默认值为False。二、具体示例1.assume_unique=False的情况：a=np.array([1,2,3])b=np.array([4,5,6])c=np.setd... 继续阅读 >
2021
05-02

Python Numpy之linspace用法说明

Python Numpy之linspace用法说明 linspace生成有序列表，重点在数据范围与数据个数上linspace(0,1,11)，即从0到1闭区间，划分为11个数据点>>>importnumpyasnp>>>a=np.linspace(0,1,10)>>>aarray([0.,0.11111111,0.22222222,0.33333333,0.44444444,0.55555556,0.66666667,0.77777778,0.88888889,1.])>>>a=np.linspace(0,1,11)>>>aarray([0.,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.])补充：Pythonnumpy函... 继续阅读 >
2021
05-02

解决numpy数组互换两行及赋值的问题

看代码吧~importnumpyasnpa=np.array([[1,1,1],[2,2,2],[3,3,3],[4,4,4]])tmp=a[1]a[1]=a[2]a[2]=tmptmp只是a[1]的另一个名字，它并不是将a[1]复制了之后，就与a[1]无关，或许可理解为一种引用。所以这段代码的效果并不能如愿互换原始a数组的第2行和第三行，而是会将2，3行都变成原来的第三行[3,3,3],像这样：array([[1,1,1],[3,3,3],[3,3,3],[4,4,4]])那么如果想互换两行，应该怎么操... 继续阅读 >
2021
04-07

python使用NumPy文件的读写操作

一、使用NumPy读写文本文件在数据分析中，经常需要从文件中读取数据或将数据写入文件，常用的存储文件的格式有文本文件、CSV格式文件、二进制格式文件和多维数据文件等。1.将1维或2维数组写入TXT文件或CSV格式文件在NumPy中，使用savetxt()函数可以将1维或2维数组写入后缀名为txt或csv的文件.函数格式为：**numpy.savetxt(fname,array,fmt='%.18e',delimiter=None,newline='\n',header='',footer='',comments='#',encoding=N... 继续阅读 >