使用pythonnumpy
㈠ python怎麼使用numpy
用
import numpy
導入numpy庫啊
之後就看你有什麼需求進行操作了
㈡ 如何用python numpy產生一個正太分布隨機數的向量或者矩陣
高斯分布是從負無窮到正無窮的.能限制住就不是高斯分布了.
或者你做個近似的,函數生成的數值如果不在[0,1],就重新隨機一次
㈢ Python基礎 numpy中的常見函數有哪些
有些Python小白對numpy中的常見函數不太了解，今天小編就整理出來分享給大家。
Numpy是Python的一個科學計算的庫，提供了矩陣運算的功能，其一般與Scipy、matplotlib一起使用。其實，list已經提供了類似於矩陣的表示形式，不過numpy為我們提供了更多的函數。
數組常用函數
1.where()按條件返回數組的索引值
2.take(a,index)從數組a中按照索引index取值
3.linspace(a,b,N)返回一個在(a,b)范圍內均勻分布的數組，元素個數為N個
4.a.fill()將數組的所有元素以指定的值填充
5.diff(a)返回數組a相鄰元素的差值構成的數組
6.sign(a)返回數組a的每個元素的正負符號
7.piecewise(a,[condlist],[funclist])數組a根據布爾型條件condlist返回對應元素結果
8.a.argmax(),a.argmin()返回a最大、最小元素的索引
改變數組維度
a.ravel(),a.flatten():將數組a展平成一維數組
a.shape=(m,n),a.reshape(m,n):將數組a轉換成m*n維數組
a.transpose,a.T轉置數組a
數組組合
1.hstack((a,b)),concatenate((a,b),axis=1)將數組a,b沿水平方向組合
2.vstack((a,b)),concatenate((a,b),axis=0)將數組a,b沿豎直方向組合
3.row_stack((a,b))將數組a,b按行方向組合
4.column_stack((a,b))將數組a,b按列方向組合
數組分割
1.split(a,n,axis=0),vsplit(a,n)將數組a沿垂直方向分割成n個數組
2.split(a,n,axis=1),hsplit(a,n)將數組a沿水平方向分割成n個數組
數組修剪和壓縮
1.a.clip(m,n)設置數組a的范圍為(m,n),數組中大於n的元素設定為n,小於m的元素設定為m
2.a.compress()返回根據給定條件篩選後的數組
數組屬性
1.a.dtype數組a的數據類型
2.a.shape數組a的維度
3.a.ndim數組a的維數
4.a.size數組a所含元素的總個數
5.a.itemsize數組a的元素在內存中所佔的位元組數
6.a.nbytes整個數組a所佔的內存空間7.a.astype(int)轉換a數組的類型為int型
數組計算
1.average(a,weights=v)對數組a以權重v進行加權平均
2.mean(a),max(a),min(a),middle(a),var(a),std(a)數組a的均值、最大值、最小值、中位數、方差、標准差
3.a.prod()數組a的所有元素的乘積
4.a.cumprod()數組a的元素的累積乘積
5.cov(a,b),corrcoef(a,b)數組a和b的協方差、相關系數
6.a.diagonal()查看矩陣a對角線上的元素7.a.trace()計算矩陣a的跡，即對角線元素之和
以上就是numpy中的常見函數。更多Python學習推薦:PyThon學習網教學中心。
㈣ python怎麼用numpy模塊
import numpy as np
x = 1.0
y = np.sin(x)
print(x, y)
A = np.array([[1, 2], [3, 4]])
print(A)
㈤ 用python的numpy創建一個矩陣
使用numpy創建矩陣有2種方法，一種是使用numpy庫的matrix直接創建，另一種則是使用array來創建。首先載入numpy庫，然後分別用上面說的2種方法來分別構建一個4×3的矩陣，如圖
[1]在高等數學或者線性代數等已經學過了當後面的矩陣的行數等於前面矩陣的列數時，2個矩陣才可以相乘
[2]Hadamard指的是2個m×n的矩陣相乘，結果仍然是m×n的矩陣，結果為對應元素的乘積
[3]單位矩陣是特殊的對角矩陣，零（1）矩陣是指元素全部是0（1）的矩陣
[4]矩陣的第一行是從0開始編號的，python中的各種編號基本上都是從0開始的
注意事項
㈥ python numpy是什麼庫
NumPy是Python語言的一個擴充程序庫。支持高級大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。Numpy內部解除了CPython的GIL（全局解釋器鎖），運行效率極好，是大量機器學習框架的基礎庫！
相關推薦：《Python基礎教程》
NumPy的全名為Numeric Python，是一個開源的Python科學計算庫，它包括：
·一個強大的N維數組對象ndrray；
·比較成熟的（廣播）函數庫；
·用於整合C/C++和Fortran代碼的工具包；
·實用的線性代數、傅里葉變換和隨機數生成函數。
NumPy的優點：
·對於同樣的數值計算任務，使用NumPy要比直接編寫Python代碼便捷得多；
·NumPy中的數組的存儲效率和輸入輸出性能均遠遠優於Python中等價的基本數據結構，且其能夠提升的性能是與數組中的元素成比例的；
·NumPy的大部分代碼都是用C語言寫的，其底層演算法在設計時就有著優異的性能，這使得NumPy比純Python代碼高效得多。
當然，NumPy也有其不足之處，由於NumPy使用內存映射文件以達到最優的數據讀寫性能，而內存的大小限制了其對TB級大文件的處理；此外，NumPy數組的通用性不及Python提供的list容器。因此，在科學計算之外的領域，NumPy的優勢也就不那麼明顯。
㈦ python怎樣引用numpy
numpy是python的一個科學計算的庫，提供了矩陣運算的功能，一般與scipy、matplotlib一起使用。
導入numpy的範例如下:
>>>import numpy as np
>>>print np.version.version
1.6.2
㈧ python numpy有什麼用
NumPyis the fundamental package for scientific computing withPython。就是科學計算包。
a powerful N-dimensional array object
sophisticated (broadcasting) functions
tools for integrating C/C++ and Fortran code
useful linear algebra, Fourier transform, and random number capabilities
一個用python實現的科學計算包。包括：1、一個強大的N維數組對象Array；2、比較成熟的（廣播）函數庫；3、用於整合C/C++和Fortran代碼的工具包；4、實用的線性代數、傅里葉變換和隨機數生成函數。numpy和稀疏矩陣運算包scipy配合使用更加方便。
NumPy系統是Python的一種開源的數字擴展。這種工具可用來存儲和處理矩陣，比Python自身的嵌套列表結構要高效。據說NumPy將Python相當於變成一種免費的更強大的MatLab系統。
㈨ 如何用python numpy產生一個正態分布隨機數的向量或者矩陣
importnumpyasnp
x=np.random.randn(4,5)#生成一個4*5的服從正態分布(0,1)的數組
print(x)
結果:
array([[1.49880806,0.49802583,-0.73570234,0.6838595,-1.07146133],
[-0.80834618,0.28833047,0.6492072,-1.23454671,-0.42839883],
[0.75936243,-0.67680322,1.06767814,-0.11232622,-0.62300974],
[-1.66010364,-0.60023795,0.35930247,-0.5079359,0.21811627]])