numpy
发布于:2017-10-27 18:53 作者:admin 浏览:1390
一维数据
a = np.array([2,3,4])
b = np.array(1,2,3,4)
二维数据
c = np.array([(1.5,2,3), (4,5,6)])
复合二维数据
d = np.array( [ [1,2], [3,4] ], dtype=complex)
3x4矩阵 都是0的浮点数据
np.zeros( (3,4) )
2x3矩阵 都是整形1的数据
np.ones((2,3), dtype=np.int16 )
2x3矩阵 随机数据
np.empty((2,3))
10-30的之间的数,递增幅度为5 的一维数据
np.arange(10,30,5)
0-2的之间的数,平均分成9份。
np.linspace( 0, 2, 9 )
生成0到6-1的一维数据
np.arange(6)
生成0到12-1的4x3的二维矩阵数据
np.arange(12).reshape(4,3)
矩阵运算:
x+y ,x-y,x*y,x/y
np.add(x,y)
np.subtract(x,y)
np.multiply(x,y)
np.divide(x,y)
范例
生成一个3x4的矩阵
a = np.floor(10*np.random.random((3,4)))
编程一维的矩阵
a.ravel()
变成6x2的矩阵
a.reshape(6,2)
矩阵倒置,变成4x3的矩阵
a.T
scipy模块
发布于:2017-10-27 14:40 作者:admin 浏览:1699模块 | 功能 |
---|---|
scipy.cluster | 矢量量化 / K-均值 |
scipy.constants | 物理和数学常数 |
scipy.fftpack | 傅里叶变换 |
scipy.integrate | 积分程序 |
scipy.interpolate | 插值 |
scipy.io | 数据输入输出 |
scipy.linalg | 线性代数程序 |
scipy.ndimage | n维图像包 |
scipy.odr | 正交距离回归 |
scipy.optimize | 优化 |
scipy.signal | 信号处理 |
scipy.sparse | 稀疏矩阵 |
scipy.spatial | 空间数据结构和算法 |
scipy.special | 任何特殊数学函数 |
scipy.stats | 统计 |
它们全依赖numpy