介绍在祝辞祝辞,import numpy as np
在在在
祝辞祝辞祝辞,x=np.array ([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
在祝辞祝辞,打印(x[1:5]) #打印指数为1 ~ 5的数组,范围是左闭右开
[2,3,4,5]
在祝辞祝辞,打印(x[3:]) #打印指数=3之后的数组,包含指数=3
[,,4,5,6,,7,,,8,9,10,11,12)
在祝辞祝辞,打印(x[9]): #打印指数=9之前的数组,不包含指数=9
[1,2,3,4,5,6,7,8,9)
在祝辞祝辞,打印(x[1: 2]) #打印指数=1到倒数第2个索引之间的数组
[,2,,3,,4,,5,,,6,7,,,8,9,10)
在祝辞祝辞,打印(x[9: 2]) #打印倒数第9个指数和倒数第2个索引之间的数组,左开右闭
[,,4,5,6,,7,,,8,9,10) 在祝辞祝辞,打印(x[1:: 3]) #以指数=1为起始位置,间隔3
(,2,5,,8,11)
在祝辞祝辞,打印(x[:: 3]) #默认从指数=0开始,间隔3
(,1,4,,7,10]
在祝辞祝辞,打印(x[3::]) #和[3:]一样
[,,4,5,6,,7,,,8,9,10,11,12)
在祝辞祝辞,打印(x[:: 1]) #反向打印数据,从最后一个指数开始,间隔为1
10 (12,11,,,9,,8,,7,,6,,5,,4,,3,,2,,1]
在祝辞祝辞,打印(x[:: 3]) #反向打印数据,从最后一个指数开始,间隔为3
9 [12,,,,6,,3]
在祝辞祝辞,打印(x[2: 1]) #反向打印指数=2(不包含)到指数=7之间的数据
(8,7,6,5,4] Numpy.array(对象,,
,,,dtype=没有,,
,,,复制=True,,
,,,订单=& # 39;k # 39;,,
,,,subok=False,,
,,,ndmin=0) import numpy as np
,
#指定数组元素类型为复数类型
DYX=, np.array ([1, 2, 3], dtype =,复杂)
打印(DYX), # (1 + 0. j 2。+ 0. j 3。+ 0. j]
打印(DYX.dtype), # complex128
,
#由多个元素组成的数据类型:
HXH =, np.array ([(1、2), (3, 4)], dtype=((& # 39;一个# 39;& # 39;& lt;预告# 39;),(& # 39;b # 39; & # 39; & lt; i8 # 39;)))
打印(HXH),, # [(1, 2), (3, 4)]
#下面的输出有点神奇,我也只能记住规律了。
print (HXH [“a"]), # (1, 3)
print (HXH [“b"]),, # (2, 4)
打印(HXH.dtype),, #((& # 39;一个# 39;,,& # 39;& lt;预告# 39;),,(& # 39;b # 39;,, & # 39; & lt; i8 # 39;))
print (HXH [“a"] .dtype), # int32
print (HXH [“b"] .dtype), # int64
,
时间=TSL np.array ([(1、2、3), (4、5、6)], dtype=[(“a",“我),(“b",“我),(“c",“我)))
print (TSL [“a"]), # (1, 4)
print (TSL [“a"] .dtype),, # int32 import numpy as np
,
时间=DYX np.array (np.mat (& # 39; 1, 2,, 3, 4 & # 39;))
#没有显示的写出subok的值,但是默认为假
打印(DYX)
#数组类型
print(类型(DYX)),, # & lt; class & # 39; numpy.ndarray& # 39;比;
“““
[[1,2]
,[3,4]]
“““
,
时间=HXH np.array (np.mat (& # 39; 1, 2,, 3, 4 & # 39;),, subok=True)
打印(HXH)
#矩阵类型
print(类型(HXH)),, # & lt; class & # 39; numpy.matrixlib.defmatrix.matrix& # 39;比;
“““
[[1,2]
,[3,4]]
“““
小编给大家分享一下Numpy.array中[:]和[:]的区别有哪些,相信大部分人都还不怎么了解,因此分享这篇文章给大家参考一下,希望大家阅读完这篇文章后大有收获、下面让我们一起去了解一下吧!
数组([:])
数组([:])
也是碰到这方面的问题,没搞明白,干脆试了试就清楚了,应该[:]和[:]还有很多有趣的地方。
<强>补充:Numpy.array()详解,np.array与np。asarray辨析,np.array和np.ndarry的区别
记录一下numpy.array()的详细用法,以及与np.asarray()和np.ndarray()的区别。
1。Numpy.array()详解
该函数的作用一言蔽之就是用来产生数组。
1.1函数形式
1.2参数详解
<代码>对象>
<代码> dtype> import numpy as np , 时间=arr01 np.array ([1, 2, 3]) 打印(arr01), # [1, 2, 3] print(类型(arr01)),, # & lt; class & # 39; numpy.ndarray& # 39;比; 打印(arr01.dtype), # int32 , #向上转型 时间=arr02 np.array ([1, 2, 3]) 打印(arr02), #(1只,2只3。) 打印(arr02.dtype), # float64 , # More than one 维度: 时间=arr03 np.array ([[1、2], [3,4]]) 打印(arr03) “““ [[1,2] ,[3,4]] “““
dtype参数使用示例
上述代码中,numpy的数据类型,可以百度下
subok参数使用示例
