Python-Memorandum

Dieser Artikel ist eine Aufzeichnung des Lernens für Python-Anfänger. Ich schreibe hauptsächlich, was ich nicht verstanden habe. Die Reihenfolge ist also chaotisch. Als Referenz ,,,

NumPy np.array

# -*- coding: utf-8 -*-
import numpy as np

#Deklaration / Initialisierung des 2D-Arrays
A = np.array([[1, 2],
              [3, 4],
              [5, 6]])

#Matrixgröße
print("Die Größe der Matrix A.:", A.shape)
print("Anzahl der Zeilen in Matrix A.:", A.shape[0])
print("Anzahl der Spalten in Matrix A.:", A.shape[1])

"""
Die Größe der Matrix A.:(3, 2)
Anzahl der Zeilen in Matrix A.:3
Anzahl der Spalten in Matrix A.:2
"""

np.reshape Form [0] zeigt ** Anzahl der Zeilen ** an, Form [1] zeigt ** Anzahl der Spalten ** an.

import numpy as np

a = np.arange(24)

print(a)
# [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]

print(a.shape)
# (24,)

print(a.ndim)
# 1

a_4_6 = a.reshape([4, 6])

print(a_4_6)
# [[ 0  1  2  3  4  5]
#  [ 6  7  8  9 10 11]
#  [12 13 14 15 16 17]
#  [18 19 20 21 22 23]]

print(a_4_6.shape)
# (4, 6)

print(a_4_6.ndim)
# 2

In np.ndim finden Sie leicht die Anzahl der Elemente. Umformen entspricht dem obigen Code.

[:, 0] Alle 0. Spalte. Wenn es sich um ein 2x2-Array handelt, ist es ein [0: 2, 0], wenn es ohne Auslassung geschrieben wird. A [a: b, c: d] bedeutet, Spalten von c nach d (ohne b und d) in den Zeilen von a nach b zu extrahieren.

np.where

import numpy as np

a = np.arange(9).reshape((3, 3))
print(a)
# [[0 1 2]
#  [3 4 5]
#  [6 7 8]]

print(np.where(a < 4, -1, 100))
# [[ -1  -1  -1]
#  [ -1 100 100]
#  [100 100 100]]

print(np.where(a < 4, True, False))
# [[ True  True  True]
#  [ True False False]
#  [False False False]]

print(a < 4)
# [[ True  True  True]
#  [ True False False]
#  [False False False]]

Wenn das Folgende nur eine Bedingung ist, wird wahr oder falsch angezeigt.

np.hstack

Konsolidierung von Arrays mit der gleichen Anzahl von Spalten. Für Zeilen np.vstack.

np.unique()

In der Sequenz in () ohne Nebel extrahieren.

import numpy as np

a = np.array([0, 0, 30, 10, 10, 20])
print(a)
# [ 0  0 30 10 10 20]

print(np.unique(a))
# [ 0 10 20 30]

print(type(np.unique(a)))
# <class 'numpy.ndarray'>