numpy常見操作

  • 返回各維度元組print(img.shape)
  • 返回大小img.size
  • 返回各維度數據類型print(img.dtype)
  • 數據類型變int8mask=mask.astype(np.int8)
    注意int32可變float64
    但float64變int32會把小數截斷
    string_可變float64

NumPy常見操作：

import numpy as np

創建一個一維數組
arr = np.array([1, 2, 3, 4, 5])
print(“原始數組：”, arr)

對數組進行求和
sum_result = np.sum(arr)
print(“求和結果：”, sum_result)

對數組進行均值計算
mean_result = np.mean(arr)
print(“均值結果：”, mean_result)

對數組進行最大值計算
max_result = np.max(arr)
print(“最大值結果：”, max_result)

對數組進行排序
sort_result = np.sort(arr)
print(“排序結果：”, sort_result)

#創建一個二維數組
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(“二維數組：”, arr)

#創建一個全為零的數組
zeros_arr = np.zeros((2, 3))
print(“全零數組：”, zeros_arr)

#創建一個全為一的數組
ones_arr = np.ones((3, 2))
print(“全一數組：”, ones_arr)

#創建一個隨機數組
random_arr = np.random.rand(2, 3)
print(“隨機數組：”, random_arr)

arr = np.array([1, 2, 3, 4, 5])
#訪問數組的元素
print(“第一個元素：”, arr[0])
print(“最后一個元素：”, arr[-1])
print(“切片操作：”, arr[1:4])

#修改數組的元素
arr[2] = 10
print(“修改后的數組：”, arr)

#數組形狀操作
print(“數組形狀：”, arr.shape)

#數組重塑
reshape_arr = arr.reshape((5, 1))
print(“重塑后的數組：”, reshape_arr)

數組轉置
transpose_arr = arr.T
print(“轉置后的數組：”, transpose_arr)
數組計算：
python
復制
import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

數組加法
add_result = arr1 + arr2
print(“數組加法結果：”, add_result)

數組減法
sub_result = arr1 - arr2
print(“數組減法結果：”, sub_result)

數組乘法
mul_result = arr1 * arr2
print(“數組乘法結果：”, mul_result)

數組除法
div_result = arr1 / arr2
print(“數組除法結果：”, div_result)

數組平方
square_result = np.square(arr1)
print(“數組平方結果：”, square_result)

數組平方根
sqrt_result = np.sqrt(arr1)
print(“數組平方根結果：”, sqrt_result)

  1. 數組拼接：
import numpy as nparr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])# 水平拼接
hstack_result = np.hstack((arr1, arr2))
print("水平拼接結果：", hstack_result)# 垂直拼接
vstack_result = np.vstack((arr1, arr2))
print("垂直拼接結果：", vstack_result)# 深度拼接
dstack_result = np.dstack((arr1, arr2))
print("深度拼接結果：", dstack_result)
  1. 數組索引和切片：
import numpy as nparr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 使用索引獲取特定元素
print("索引獲取元素：", arr[0, 1])# 使用切片獲取子數組
print("切片獲取子數組：", arr[1:, :2])
  1. 數組統計函數：
import numpy as nparr = np.array([1, 2, 3, 4, 5])# 求和
sum_result = np.sum(arr)
print("求和結果：", sum_result)# 均值
mean_result = np.mean(arr)
print("均值結果：", mean_result)# 標準差
std_result = np.std(arr)
print("標準差結果：", std_result)# 方差
var_result = np.var(arr)
print("方差結果：", var_result)# 最小值
min_result = np.min(arr)
print("最小值結果：", min_result)# 最大值
max_result = np.max(arr)
print("最大值結果：", max_result)
  1. 數組的廣播：
import numpy as nparr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])# 廣播加法
broadcast_add_result = arr1 + arr2
print("廣播加法結果：", broadcast_add_result)# 廣播乘法
broadcast_mul_result = arr1 * arr2
print("廣播乘法結果：", broadcast_mul_result)
  1. 數組的邏輯運算：
import numpy as nparr1 = np.array([True, False, True])
arr2 = np.array([False, True, True])# 邏輯與
and_result = np.logical_and(arr1, arr2)
print("邏輯與結果：", and_result)# 邏輯或
or_result = np.logical_or(arr1, arr2)
print("邏輯或結果：", or_result)# 邏輯非
not_result = np.logical_not(arr1)
print("邏輯非結果：", not_result)
  1. 數組的矩陣運算：
import numpy as npmatrix1 = np.array([[1, 2], [3, 4]])
matrix2 = np.array([[5, 6], [7, 8]])# 矩陣乘法
matmul_result = np.matmul(matrix1, matrix2)
print("矩陣乘法結果：", matmul_result)# 矩陣轉置
transpose_result = np.transpose(matrix1)
print("矩陣轉置結果：", transpose_result)# 矩陣求逆
inv_result = np.linalg.inv(matrix1)
print("矩陣求逆結果：", inv_result)
  1. 數組的隨機數生成：
import numpy as np# 生成服從正態分布的隨機數
normal_arr = np.random.normal(loc=0, scale=1, size=(3, 3))
print("正態分布隨機數：", normal_arr)# 生成均勻分布的隨機數
uniform_arr = np.random.uniform(low=0, high=1, size=(3, 3))
print("均勻分布隨機數：", uniform_arr)# 隨機打亂數組
arr = np.array([1, 2, 3, 4, 5])
np.random.shuffle(arr)
print("隨機打亂數組：", arr)
  1. 數組的元素統計：
import numpy as nparr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 求和
sum_result = np.sum(arr)
print("求和結果：", sum_result)# 按行求和
row_sum_result = np.sum(arr, axis=1)
print("按行求和結果：", row_sum_result)# 按列求和
column_sum_result = np.sum(arr, axis=0)
print("按列求和結果：", column_sum_result)# 最大值
max_result = np.max(arr)
print("最大值結果：", max_result)# 按行找到最大值
row_max_result = np.max(arr, axis=1)
print("按行找到最大值結果：", row_max_result)# 按列找到最大值
column_max_result = np.max(arr, axis=0)
print("按列找到最大值結果：", column_max_result)
  1. 數組的形狀操作：
import numpy as nparr = np.array([1, 2, 3, 4, 5, 6])# 改變數組形狀為二維
reshape_result = np.reshape(arr, (2, 3))
print("改變形狀后的數組：", reshape_result)# 展平數組
flatten_result = arr.flatten()
print("展平數組：", flatten_result)# 轉置數組
transpose_result = np.transpose(arr)
print("轉置數組：", transpose_result)
  1. 數組的數學函數：
import numpy as nparr = np.array([1, 2, 3, 4, 5])# 求平方根
sqrt_result = np.sqrt(arr)
print("平方根結果：", sqrt_result)# 求指數
exp_result = np.exp(arr)
print("指數結果：", exp_result)# 求對數
log_result = np.log(arr)
print("對數結果：", log_result)
  1. 數組的排序：
import numpy as nparr = np.array([3, 1, 5, 2, 4])# 升序排序
sorted_arr = np.sort(arr)
print("升序排序結果：", sorted_arr)# 降序排序
reverse_sorted_arr = np.sort(arr)[::-1]
print("降序排序結果：", reverse_sorted_arr)# 按列排序
arr = np.array([[3, 1, 5], [2, 4, 6]])
column_sorted_arr = np.sort(arr, axis=0)
print("按列排序結果：", column_sorted_arr)# 按行排序
row_sorted_arr = np.sort(arr, axis=1)
print("按行排序結果：", row_sorted_arr)
  1. 數組的去重：
import numpy as nparr = np.array([1, 2, 3, 2, 4, 1])# 去除重復元素
unique_arr = np.unique(arr)
print("去重結果：", unique_arr)# 返回去重元素的索引
unique_indices = np.unique(arr, return_index=True)[1]
print("去重元素的索引：", unique_indices)
  1. 數組的布爾運算：
import numpy as nparr = np.array([1, 2, 3, 4, 5])# 判斷數組元素是否大于2
greater_than_2 = arr > 2
print("大于2的元素：", arr[greater_than_2])# 判斷數組元素是否滿足條件
condition = (arr > 2) & (arr < 5)
print("滿足條件的元素：", arr[condition])# 使用布爾數組作為索引
bool_index = np.array([True, False, True, False, True])
print("使用布爾數組作為索引：", arr[bool_index])
  1. 數組的廣播：
import numpy as nparr1 = np.array([1, 2, 3])
arr2 = np.array([[4], [5], [6]])# 廣播數組相加
broadcast_result = arr1 + arr2
print("廣播相加的結果：", broadcast_result)# 廣播數組相乘
broadcast_multiply_result = arr1 * arr2
print("廣播相乘的結果：", broadcast_multiply_result)
  1. 數組的數據類型：
import numpy as nparr = np.array([1, 2, 3])# 查看數組數據類型
dtype = arr.dtype
print("數組的數據類型：", dtype)# 修改數組數據類型
arr_float = arr.astype(float)
print("修改數據類型后的數組：", arr_float)
  1. 數組的索引和切片：
import numpy as nparr = np.array([1, 2, 3, 4, 5])# 獲取數組元素
element = arr[2]
print("索引獲取數組元素：", element)# 切片獲取子數組
sub_array = arr[1:4]
print("切片獲取子數組：", sub_array)# 布爾數組索引
bool_arr = np.array([True, False, True, False, True])
bool_indexing_result = arr[bool_arr]
print("布爾數組索引結果：", bool_indexing_result)
  1. 數組的形狀操作：
import numpy as nparr = np.array([[1, 2, 3], [4, 5, 6]])# 獲取數組形狀
shape = arr.shape
print("數組形狀：", shape)# 改變數組形狀
reshape_arr = arr.reshape(3, 2)
print("改變形狀后的數組：", reshape_arr)# 展平數組
flatten_arr = arr.flatten()
print("展平數組：", flatten_arr)
  1. 數組的元素操作：
import numpy as nparr = np.array([1, 2, 3, 4, 5])# 數組元素加法
addition_result = arr + 2
print("數組元素加法結果：", addition_result)# 數組元素乘法
multiplication_result = arr * 3
print("數組元素乘法結果：", multiplication_result)# 數組元素平方
square_result = np.square(arr)
print("數組元素平方結果：", square_result)# 數組元素開方
sqrt_result = np.sqrt(arr)
print("數組元素開方結果：", sqrt_result)
  1. 數組的統計計算：
import numpy as nparr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 計算數組元素的和
sum_result = np.sum(arr)
print("數組元素的和：", sum_result)# 計算數組元素的平均值
mean_result = np.mean(arr)
print("數組元素的平均值：", mean_result)# 計算數組元素的標準差
std_result = np.std(arr)
print("數組元素的標準差：", std_result)# 計算數組元素的最大值
max_result = np.max(arr)
print("數組元素的最大值：", max_result)# 計算數組元素的最小值
min_result = np.min(arr)
print("數組元素的最小值：", min_result)
  1. 數組的邏輯運算：
import numpy as nparr1 = np.array([True, False, True])
arr2 = np.array([False, True, True])# 邏輯與
and_result = np.logical_and(arr1, arr2)
print("邏輯與結果：", and_result)# 邏輯或
or_result = np.logical_or(arr1, arr2)
print("邏輯或結果：", or_result)# 邏輯非
not_result = np.logical_not(arr1)
print("邏輯非結果：", not_result)
  1. 數組的廣播和矢量化操作：
import numpy as nparr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])# 數組的廣播相加
broadcast_addition = arr1 + arr2
print("廣播相加結果：", broadcast_addition)# 數組的廣播相乘
broadcast_multiplication = arr1 * arr2
print("廣播相乘結果：", broadcast_multiplication)# 數組的矢量化操作
vectorized_operation = np.sin(arr1) + np.cos(arr2)
print("矢量化操作結果：", vectorized_operation)
  1. 數組的線性代數運算：
import numpy as nparr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])# 矩陣乘法
matrix_multiplication = np.matmul(arr1, arr2)
print("矩陣乘法結果：", matrix_multiplication)# 矩陣的轉置
matrix_transpose = arr1.T
print("矩陣轉置結果：", matrix_transpose)# 矩陣的逆
matrix_inverse = np.linalg.inv(arr1)
print("矩陣逆結果：", matrix_inverse)# 矩陣的行列式
matrix_determinant = np.linalg.det(arr1)
print("矩陣行列式：", matrix_determinant)
  1. 數組的隨機數生成：
import numpy as np# 生成隨機整數數組
random_int_array = np.random.randint(low=1, high=10, size=(3, 3))
print("隨機整數數組：", random_int_array)# 生成隨機浮點數數組
random_float_array = np.random.rand(2, 2)
print("隨機浮點數數組：", random_float_array)# 生成服從正態分布的隨機數數組
random_normal_array = np.random.normal(loc=0, scale=1, size=(3, 3))
print("服從正態分布的隨機數數組：", random_normal_array)

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/news/711175.shtml
繁體地址，請注明出處：http://hk.pswp.cn/news/711175.shtml
英文地址，請注明出處：http://en.pswp.cn/news/711175.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

繼承-學習2

繼承-學習2

this關鍵字&#xff1a;指向調用該方法的對象&#xff0c;一般我們是在當前類中使用this關鍵字&#xff0c;所以我們常說代表本類對象的引用 super關鍵字&#xff1a;代表父類存儲空間的標識(可看作父類對象的引用) 父類&#xff1a; package ven;public class Fu {//父類成員…
閱讀更多...
操作系統面經

操作系統面經

1. 進程和線程的區別&#xff1f; 調度&#xff1a;進程是資源管理的基本單位&#xff0c;線程是程序執行的基本單位。切換&#xff1a;線程上下文切換比進程上下文切換要快得多。擁有資源&#xff1a; 進程是擁有資源的一個獨立單位&#xff0c;線程不擁有系統資源&#xff0…
閱讀更多...
unity自定義著色器基礎

unity自定義著色器基礎

這些內置渲染管線的著色器示例演示了編寫自定義著色器的基礎知識&#xff0c;并涵蓋了常見的用例。 有關編寫著色器的信息&#xff0c;請參閱編寫著色器。 設置場景 第一步是創建一些用于測試著色器的對象。在主菜單中選擇 Game Object > 3D Object > Capsule。然后&a…
閱讀更多...
高光譜遙感學習入門丨高光譜數據處理基礎、Python和Matlab高光譜遙感數據處理

高光譜遙感學習入門丨高光譜數據處理基礎、Python和Matlab高光譜遙感數據處理

目錄 ①Python高光譜遙感數據處理與高光譜遙感機器學習方法深度應用 ②Matlab高光譜遙感、數據處理與混合像元分解實踐技術應用 ③高光譜遙感數值建模技術及在植被、水體、土壤信息提取領域應用 更多應用 高光譜遙感信息對于我們認識世界具有重要意義。盡管大部分物質在人眼…
閱讀更多...
記錄 | docker權限原因導致service ssh start失敗

記錄 | docker權限原因導致service ssh start失敗

【報錯】 容器內啟 ssh server 報錯 有兩個錯&#xff1a; &#xff08;1&#xff09;/etc/ssh/sshd_host_rsa_key 權限太高&#xff1b; &#xff08;2&#xff09;/run/sshd用戶組不為 root 解決方法&#xff1a; 方法一&#xff1a; 各自容器內對/etc/ssh/sshd_host_r…
閱讀更多...
【前端素材】推薦優質后臺管理系統 Adminity平臺模板（附源碼）

【前端素材】推薦優質后臺管理系統 Adminity平臺模板（附源碼）

一、需求分析 1、系統定義 后臺管理系統是一種用于管理網站、應用程序或系統的管理界面&#xff0c;通常由管理員和工作人員使用。它提供了訪問和控制網站或應用程序后臺功能的工具和界面&#xff0c;使其能夠管理用戶、內容、數據和其他各種功能。 2、功能需求 后臺管理系…
閱讀更多...
2024年四川媒體新聞發布渠道，媒體邀約資源表

2024年四川媒體新聞發布渠道，媒體邀約資源表

傳媒如春雨&#xff0c;潤物細無聲&#xff0c;大家好&#xff0c;我是51媒體網胡老師。 四川有哪些媒體新聞發布渠道&#xff0c;媒體邀約資源表&#xff1f; 2024年四川媒體新聞發布渠道&#xff0c;媒體邀約資源表 四川本地媒體&#xff1a;如四川日報、華西都市報、成都商…
閱讀更多...
【論文閱讀-PRIVGUARD】Day4：3節

【論文閱讀-PRIVGUARD】Day4：3節

3 PRIVANALYZER&#xff1a;強制執行隱私政策的靜態分析 本節介紹PRIVANALYZER&#xff0c;這是一個用于強制執行由PRIVGUARD追蹤的隱私政策的靜態分析器**。我們首先回顧LEGALEASE政策語言&#xff0c;我們使用它來正式編碼政策&#xff0c;然后描述如何靜態地強制執行它們**…
閱讀更多...
＜專利＞機器人3D視覺快速定位抓取方法及系統

＜專利＞機器人3D視覺快速定位抓取方法及系統

摘要&#xff0c;此專利無可用的關鍵技術信息&#xff0c;基本都是下面幾句話反復說。。。 本發明提供了一種機器人3D快速定位抓取方法及系統&#xff0c; 包括&#xff1a; 通過高速的3D結構光成像對目標物體的表面輪廓進行掃描&#xff0c; 形成點云數據&#xff1b;對所述點…
閱讀更多...
Day07：基礎入門-抓包技術全局協議封包監聽網卡模式APP小程序PC應用

Day07：基礎入門-抓包技術全局協議封包監聽網卡模式APP小程序PC應用

目錄 非HTTP/HTTPS協議抓包工具 WireShark 科來網絡分析系統 WPE封包 思維導圖 章節知識點&#xff1a; 應用架構&#xff1a;Web/APP/云應用/三方服務/負載均衡等 安全產品&#xff1a;CDN/WAF/IDS/IPS/蜜罐/防火墻/殺毒等 滲透命令&#xff1a;文件上傳下載/端口服務/Sh…
閱讀更多...
未來已來：智慧餐飲點餐系統引領餐飲業的數字化轉型

未來已來：智慧餐飲點餐系統引領餐飲業的數字化轉型

時下&#xff0c;智慧餐飲點餐系統正在引領著餐飲業邁向更高的位置。今天&#xff0c;小編將與大家共同探討智慧餐飲點餐系統的發展趨勢、優勢以及對餐飲業的影響。 一、智慧餐飲點餐系統的發展趨勢 智慧餐飲點餐系統的出現填補了這一空白&#xff0c;它通過引入數字化技術&a…
閱讀更多...
如何學習、上手點云算法(一)：點云基礎

如何學習、上手點云算法(一)：點云基礎

寫在前面 本文內容 點云算法的學習基礎&#xff0c;入門方法&#xff0c;相關領域&#xff0c;資源&#xff0c;開源庫&#xff0c;算法等的介紹&#xff1b; 以Open3D和PCL等為基礎工具的點云處理代碼講解、實現&#xff1b; 文中涉及的參考以鏈接形式給出&#xff0c;涉及文…
閱讀更多...
【JavaEE】_第一個SpringBoot項目

【JavaEE】_第一個SpringBoot項目

目錄 1. 第一個SpringBoot項目 1.1 創建項目 1.2 加載依賴 1.3 運行啟動類 1.4 創建一個簡單類試運行 2. 關于SpringBoot項目的目錄結構 3. 關于修改文件名 4. 關于啟動日志 5. 關于訪問出錯 5.1 404 5.1.2 URL輸入錯誤 5.1.2 注解錯誤 5.2 500 5.3 無法訪問此網…
閱讀更多...
JDK動態代理如何獲取動態生成的代理類的class文件

JDK動態代理如何獲取動態生成的代理類的class文件

在使用JDK動態代理&#xff0c;即reflect包下的Proxy類的newProxyInstance方法時&#xff0c;會在運行時&#xff0c;根據傳進來的接口類型動態生成class字節碼文件。這個字節碼文件是在內存中動態獲取的&#xff0c;程序結束就沒有了&#xff0c;如何動態獲取呢。 System.set…
閱讀更多...
LeetCode 2265.統計值等于子樹平均值的節點數

LeetCode 2265.統計值等于子樹平均值的節點數

給你一棵二叉樹的根節點 root &#xff0c;找出并返回滿足要求的節點數&#xff0c;要求節點的值等于其 子樹 中值的 平均值 。 注意&#xff1a; n 個元素的平均值可以由 n 個元素 求和 然后再除以 n &#xff0c;并 向下舍入 到最近的整數。 root 的 子樹 由 root 和它的所…
閱讀更多...
海外代理IP干貨：應該選擇SOCKS55代理還是Http代理？

海外代理IP干貨：應該選擇SOCKS55代理還是Http代理？

在使用IPFoxy全球代理時&#xff0c;選擇 SOCKS55代理還是HTTP代理&#xff1f;IPFoxy代理可以SOCKS55、Http協議自主切換&#xff0c;但要怎么選擇&#xff1f;為解決這個問題&#xff0c;得充分了解兩種代理的工作原理和配置情況。 在這篇文章中&#xff0c;我們會簡要介紹 …
閱讀更多...
【雙指針+中心擴散】5. 最長回文子串

【雙指針+中心擴散】5. 最長回文子串

5. 最長回文子串 解題思路 初始化&#xff1a;定義一個空字符串res來存儲當前找到的最長回文子串。 遍歷字符串&#xff1a;對于字符串s中的每個位置i&#xff0c;將其作為中心&#xff0c;進行兩次回文檢查&#xff1a; 將s[i]作為單個中心進行檢查。 將s[i]和s[i1]作為共…
閱讀更多...
Android PDFView 提示401 pom

Android PDFView 提示401 pom

背景 在開發安卓app&#xff0c;使用PDF組件來解析URL地址 &#xff0c;從github找到一個開源組件 AndroidPdfViewer 遇到一個大坑&#xff0c;一直提示下載依賴401 pom 打開控制臺鏈接彈出需要登錄jitpack 原因分析&#xff1a; 這個組件項目依賴庫鏈接到了需要鑒權的…
閱讀更多...
大語言模型LLM分布式訓練：TensorFlow攻略與深度解析（LLM系列04）

大語言模型LLM分布式訓練：TensorFlow攻略與深度解析（LLM系列04）

文章目錄 大語言模型LLM分布式訓練&#xff1a;TensorFlow攻略與深度解析&#xff08;LLM系列04&#xff09;1. 引言2. TensorFlow分布式訓練基礎概念3. TensorFlow中LLM分布式訓練的關鍵技術及應用4. 利用TensorFlow進行LLM分布式訓練的具體實踐5. 高級主題與最新進展探究 大語…
閱讀更多...
STM32自學?DMA簡介

STM32自學?DMA簡介

閱讀更多...
最新文章

Copyright @ 2022~2023