2023-7-14 myluzh
Python
0x01 数组索引与切片用法
import numpy as np
# (2)二维数组
# 首先生成一个二维数组
arr2 = np.random.uniform(-1, 2, size=(5, 5))
"""
# 查看下arr2
arr2 Out[3]:
array([[ 1.05865188, 1.18597622, -0.81279676, 1.79444952, 0.71910054],
[-0.62385763, -0.61713265, 0.94918552, -0.24394799, 1.81343914],
[-0.71354709, -0.93964984, 0.96237785, 1.23973639, 0.11628672],
[ 0.02623292, 1.68481857, -0.79207649, 0.79625302, -0.32104851],
[ 0.75240426, 0.15582726, -0.87529045, -0.28858853, 0.01173709]])
# 只要...
阅读全文>>
标签: python numpy 数组
评论(0)
(281)
2023-7-14 myluzh
Python
0x01 什么是正态分布
正态分布是一种概率分布。正态分布是具有两个参数u和o的连续型随机变量的分布，第一参数u是服从正态分布的随机变量的均值，第二个参数o是此随机变量的方差，所以正态分布记作N（μ，σ）。
0x02 生成正态分布的随机数组
import numpy as np
import matplotlib.pyplot as plt
# 生成均值为1.75，标准差为1的正态分布数据，100000000个
x1 = np.random.normal(1.75, 1, 10000000)
# 绘图
plt.figure(figsize=(18, 8), dpi=100) # 创建画布
plt.hist(x1, 1000) # 绘制直方图
plt.show() # 显示图像
0x03 生成均匀分布的随机数组
import numpy as np
import matplotlib.pyplot as plt
# 生成均匀分布的随机数，最低-1最高1，100000000个
x2 = np.random.uniform(-1, 1, 100000000)
p...
阅读全文>>
标签: python numpy 随机数组 正态分布 均匀分布
评论(0)
(248)
2023-7-14 myluzh
Python
0x01 生成01数组
import numpy as np
# 生成4行6列0数组
ones = np.ones([4, 6])
"""
查看下zeros Out[3]:
array([[0., 0., 0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0., 0., 0.]])
"""
# 生成3行7列1数组
zeros = np.zeros([3, 7])
"""
查看下ones Out[4]:
array([[1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1.]])
"""
0x02 从现有数组生成（浅拷贝np.asarray与深拷贝np.arrary的区别）
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
a1 = np.array(a) ...
阅读全文>>
标签: python numpy 01数组 固定数组
评论(0)
(161)
2023-7-13 myluzh
Python
0x01 ndarray属性
属性名字
属性解释
ndarray.shape
数组维度的元组
ndarray.ndim
数组维数
ndarray.size
数组中的元素数量
ndarray.itemsize
个数组元素的长度 (字节)
ndarray.dtype
数组元素的类型
0x02 ndarray形状
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = np.array([1,2,3,4])
c = np.array([[[1,2,3], [4,5,6]],[[1,2,3],...
阅读全文>>
标签: python numpy ndarray
评论(0)
(162)
2023-7-13 myluzh
Python
0x01 ndarray与list运行时长对比
import random
import numpy as np
import timeit
a = []
for i in range(100000000):
a.append(random.random())
def sum_list():
return sum(a)
def sum_numpy():
b = np.array(a)
return np.sum(b)
time_list = timeit.timeit(sum_list, number=1)
time_numpy = timeit.timeit(sum_numpy, number=1)
print("List sum time:", time_list)
print("Numpy sum time:", time_numpy)
List sum time: 6.816154757
Numpy sum time: 4.999972694
0x02 ndarray的优势
（1）ndarray在存储数据的时候，数据...
阅读全文>>
标签: numpy ndarray
评论(0)
(158)
2023-7-13 myluzh
Python
0x01 散点图
import matplotlib.pyplot as plt
import random
# 生成数据
num_points = 1000
x = [random.uniform(0, 10) for i in range(1000)]
y = [random.uniform(0, 10) for i in range(1000)]
# 绘制散点图
plt.scatter(x, y, s=5, alpha=0.5)
# 添加标题和标签
plt.title('Scatter Plot Example')
plt.xlabel('X')
plt.ylabel('Y')
# 显示图形
plt.show()
0x02 柱状图
import matplotlib.pyplot as plt
# 柱状图的数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [15, 25, 10, 20, 30]
# 创建一个新的图形
fig, ax = plt.subplots()
# 绘制柱状图
ax.bar(categories, values)
# 设置图形...
阅读全文>>
标签: python matplotlib 散点图 柱状图
评论(0)
(132)