Mémorandum Python

Cet article est un bilan d'apprentissage pour les débutants en python. J'écris principalement ce que je n'ai pas compris. La commande est donc en désordre. Pour référence ,,,

NumPy np.array

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

#Déclaration / initialisation du tableau 2D
A = np.array([[1, 2],
              [3, 4],
              [5, 6]])

#Taille de la matrice
print("La taille de la matrice A:", A.shape)
print("Nombre de lignes dans la matrice A:", A.shape[0])
print("Nombre de colonnes dans la matrice A:", A.shape[1])

"""
La taille de la matrice A:(3, 2)
Nombre de lignes dans la matrice A:3
Nombre de colonnes dans la matrice A:2
"""

np.reshape forme [0] affiche ** nombre de lignes **, forme [1] affiche ** nombre de colonnes **.

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

Dans np.ndim, vous pouvez facilement trouver le nombre d'éléments. Remodeler est comme dans le code ci-dessus.

[:, 0] Toute la colonne 0. S'il s'agit d'un tableau 2x2, ce sera un [0: 2, 0] s'il est écrit sans omission. A [a: b, c: d] signifie extraire les colonnes de c à d (sans compter b et d) dans les lignes de a à b.

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]]

Si ce qui suit n'est qu'une condition, vrai ou faux apparaîtra.

np.hstack

Consolidation de tableaux avec le même nombre de colonnes. Pour les lignes, np.vstack.

np.unique()

Dans la séquence entre (), extraire sans brouillard.

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'>

Recommended Posts

Mémorandum Python 2
Mémorandum Python
mémorandum python
mémorandum python
mémorandum python
Mémorandum Python
Mémorandum de base Python
Mémorandum de Python Pathlib
Mémorandum Python (algorithme)
Mémorandum Python [liens]
Variables de numérotation des mémorandums Python
mémorandum python (mise à jour séquentielle)
Python
Mémorandum Python (signet personnel)
Mémorandum de base Python partie 2
Mémorandum @ Python OR Séminaire
mémorandum python super basique
Mémorandum Cisco _ configuration d'entrée avec Python
Mémorandum ABC [ABC163 C --managementr] (Python)
fonction de mémorandum python pour débutant
Mémorandum @ Python OR Séminaire: matplotlib
[Python] Mémorandum sur l'évitement des erreurs SQLAlchemy
Mémorandum sur la corrélation [Python]
Mémorandum @ Python OR Séminaire: Pulp
Un mémorandum sur le simulacre de Python
Mémorandum @ Python OU Séminaire: Pandas
[python] Mémorandum de génération aléatoire
Mémorandum @ Python OR Seminar: scikit-learn
mémorandum d'exécution parallèle / asynchrone python
Mémorandum Matplotlib
python kafka
mémorandum Linux
Résumé Python
Python intégré
Mémorandum ABC [ABC159 C - Volume maximum] (Python)
mémorandum jinja2
Notation d'inclusion Python
Technique Python
Mémorandum d'opération Excel Python pywin32 (win32com)
Étudier Python
Compte à rebours Python 2.7
Mémorandum Django
Python FlowFishMaster
Service Python
astuces python
fonction python ①
Les bases de Python
Mémo Python