python numpy库--学习_创建一个长度为10的空向量

link之家
链接快照平台
输入网页链接，自动生成快照
标签化管理网页链接
如何找到任何一个数组的内存大小

Z = np.zeros((10,10))
print("%d bytes" % (Z.size * Z.itemsize))
创建一个值域范围从10到49的向量
 
# Z = np.arange(10,50)
# print(Z)
反转一个向量(第一个元素变为最后一个)
 
 # Z = np.arange(50)
# Z = Z[::-1]
# print(Z)
创建一个 3x3 并且值从0到8的矩阵
 
 # Z = np.arange(9).reshape(3,3)
# print(Z)
找到数组[1,2,0,0,4,0]中非0元素的位置索引
 
nz = np.nonzero([1,2,0,0,4,0])
创建一个 3x3 的单位矩阵
 
# Z = np.eye(3)
创建一个二维数组，其中边界值为1，其余值为0
 
# Z = np.ones((10,10))
# Z[1:-1,1:-1] = 0
对于一个存在在数组，如何添加一个用0填充的边界
 
# Z = np.ones((5,5))
# Z = np.pad(Z, pad_width=1, mode='constant', constant_values=0)
# print(Z)
对一个5x5的随机矩阵做归一化
 
# Z = np.random.random((5,5))
# Zmax, Zmin = Z.max(), Z.min()
# Z = (Z - Zmin)/(Zmax - Zmin)
# print(Z)
创建一个将颜色描述为(RGBA)四个无符号字节的自定义dtype
 
# color = np.dtype([("r", np.ubyte, 1),
#                   ("g", np.ubyte, 1),
#                   ("b", np.ubyte, 1),
#                   ("a", np.ubyte, 1)])
# color
一个5x3的矩阵与一个3x2的矩阵相乘，实矩阵乘积是什么
 
# Z = np.dot(np.ones((5,3)), np.ones((3,2)))
# print(Z)
给定一个一维数组，对其在3到8之间的所有元素取反
 
# Z = np.arange(11)
# Z[(3 < Z) & (Z <= 8)] *= -1
# print(Z)
如何从零位对浮点数组做舍入
 
# Z = np.random.uniform(-10,+10,10)
# print (np.copysign(np.ceil(np.abs(Z)), Z))
如何找到两个数组中的共同元素
 
# Z1 = np.random.randint(0,10,10)
# Z2 = np.random.randint(0,10,10)
# print(np.intersect1d(Z1,Z2))
如何得到昨天，今天，明天的日期
 
# yesterday = np.datetime64('today', 'D') - np.timedelta64(1, 'D')
# today     = np.datetime64('today', 'D')
# tomorrow  = np.datetime64('today', 'D') + np.timedelta64(1, 'D')
# print ("Yesterday is " + str(yesterday))
# print ("Today is " + str(today))
# print ("Tomorrow is "+ str(tomorrow))
创建一个长度为10的随机向量，其值域范围从0到1，但是不包括0和1
 
# Z = np.linspace(0,1,11,endpoint=False)[1:]
# print (Z)
将笛卡尔坐标下的一个10x2的矩阵转换为极坐标形式
 
# Z = np.random.random((10,2))
# X,Y = Z[:,0], Z[:,1]
# R = np.sqrt(X**2+Y**2)
# T = np.arctan2(Y,X)
# print (R)
# print (T)
创建一个长度为10的向量，并将向量中最大值替换为1
 
# Z = np.random.random(10)
# Z[Z.argmax()] = 0
# print (Z)
如何将32位的浮点数(float)转换为对应的整数(integer)
 
# Z = np.arange(10, dtype=np.int32)
# Z = Z.astype(np.float32, copy=False)
# print (Z)
减去一个矩阵中的每一行的平均值
 
 # X = np.random.rand(5, 10)
# # Recent versions of numpy
# Y = X - X.mean(axis=1, keepdims=True)
# print(Y)
根据索引列表(I)，如何将向量(X)的元素累加到数组(F)
 
# X = [1,2,3,4,5,6]
# I = [1,3,9,3,4,1]
# F = np.bincount(I,X)
# print (F)
考虑一个维度(5,5,3)的数组，如何将其与一个(5,5)的数组相乘
 
# A = np.ones((5,5,3))
# B = 2*np.ones((5,5))
# print (A * B[:,:,None])
如何通过滑动窗口计算一个数组的平均数
 
# def moving_average(a, n=3) :
#     ret = np.cumsum(a, dtype=float)
#     ret[n:] = ret[n:] - ret[:-n]
#     return ret[n - 1:] / n
# Z = np.arange(20)
# print(moving_average(Z, n=3))
如何对布尔值取反，或者原位(in-place)改变浮点数的符号(sign)
 
# Z = np.random.randint(0,2,100)
# np.logical_not(Z, out=Z)
如何找到一个数组中出现频率最高的值
 
# Z = np.random.randint(0,10,50)
# print (np.bincount(Z).argmax())
对于一个一维数组X，计算它boostrapped之后的95%置信区间的平均值
 
# X = np.random.randn(100) # random 1D array
# N = 1000 # number of bootstrap samples
# idx = np.random.randint(0, X.size, (N, X.size))
# means = X[idx].mean(axis=1)
# confint = np.percentile(means, [2.5, 97.5])
# print (confint)
                    import numpy as np创建一个长度为10的空向量：Z = np.zeros(10)print(Z)如何找到任何一个数组的内存大小Z = np.zeros((10,10))print("%d bytes" % (Z.size * Z.itemsize))创建一个值域范围从10到49的向量# Z = np.arange(10,50)# print(Z)反转一个向量(第一个元素变为最后一个) # Z = np.arange(50)# Z = Z[::-1]# prin
2. Print the numpy version and the configuration (★☆☆)
import numpy as np  
print(np.__version__)
print(np.show_confi
				这是在stackoverflow和numpy文档里汇总的numpy练习题，目的是为新老用户提供快速参考。
1. Import the numpy package under the namenp(★☆☆)
导入numpy包，命名为np
				Numpy是Python做数据分析所必须要掌握的基础库之一。本文内容由科赛网翻译整理自Github开源项目(部分题目保留了原文作参考)，建议读者完成科赛网 Numpy快速上手指南 --- 基础篇 和 Numpy快速上手指南 --- 进阶篇 这两篇教程的学习之后。
此版本为完整答案版。在每一道问题后面，我们将答案代码块做了注释。「Fork」项目后，在答案cell中消除注释符号，即可运行代码，得出结...
				本博客仅为作者记录笔记之用，不免有很多细节不对之处。还望各位看官能够见谅，欢迎批评指正。此文中的题目均来自GitHub，完整代码请参考我的GitHub。期待各位的小心心~~~1.初级
导入numpy包，并重命名为np (★☆☆)
打印numpy库的版本 (★☆☆)
输出numpy矩阵的大小 (★☆☆)
如何获取numpy库中某一个函数（如add）的帮助文档 (★☆☆)
创建一个0向量，向量长度为10
				Python Numpy库是一个用于进行科学计算的强大工具，它提供了高效的多维数组对象以及用于处理数组的函数。通过使用Numpy库，您可以在Python中快速进行数组操作、数值计算、线性代数等。下面是Python Numpy库的一些基本功能和常见操作技巧：
1. 创建Numpy数组
   - 使用np.array()函数创建一维或多维数组。
   - 使用np.zeros()函数创建全零数组。
   - 使用np.ones()函数创建全一数组。
   - 使用np.random.rand()函数创建随机数组。
2. 数组索引和切片
   - 使用索引访问数组的特定元素。
   - 使用切片操作提取数组的子集或分割数组。
3. 数组形状操作
   - 使用numpy.reshape()函数改变数组的形状。
   - 使用numpy.transpose()函数转置数组。
   - 使用numpy.flatten()函数将多维数组转换为一维数组。
4. 数组运算
   - 数组加法、减法、乘法和除法。
   - 数组的逐元素运算，如平方、开根号、取对数等。
   - 数组的矩阵乘法和点积运算。
5. 数组统计和聚合
   - 使用numpy.mean()计算数组的均值。
   - 使用numpy.sum()计算数组的总和。
   - 使用numpy.min()和numpy.max()找到数组的最小值和最大值。
这些只是Python Numpy库的一些常见用法和操作。如果您想深入学习更多关于Python Numpy库的相关知识，可以参考引用中提供的教程。
				如何解决 conda install 库时报错：The environment is inconsistent, please check the package plan carefully
					16899
                如何解决使用npm install 时报错:npm ERR! { Error: EPERM: operation not permitted, mkdir..
                    m0_75010219: 
                    原因是什么啊
                Ubuntu : error while loading shared libraries: libcrypto.so.1.0.0: cannot open shared object file
                    Yizhe_Lin: 
                    最后我经sudo ldconfig，方实现！
                python绘图--在极地投影下添加扇形框
                    m0_68731983: 
                    你好，我参考了一样的代码画出来的扇形，为什么上下边不是弧线，而是折线，请问这种情况该怎么解决呢
                python--海温、OLR数据分布做显著性检验，绘制空间分布并打点
                    2301_76170975: 
                    时间序列没关系的，因为这个趋势是固定的嘞