标签：float 节省空间 tran 其他 部分 功能 特点 -- 学习
NumPy 部分功能如下：
NumPy 最重要的一个特点就是其N维数组对象(ndarray)，该对象是一个快速而灵活的大数据集容器 。可以利用这个数组对象对整块数据进行一些数学运算，其语法跟标量之间的运算一样。
In [5]: import numpy as np In [6]: data=np.array([[0.9526,-0.246,-0.8856],[0.5639,0.2379,0.9104]]) In [7]: data Out[7]: array([[ 0.9526, -0.246 , -0.8856], [ 0.5639, 0.2379, 0.9104]]) In [8]: data * 10 Out[8]: array([[ 9.526, -2.46 , -8.856], [ 5.639, 2.379, 9.104]]) In [9]: data + data Out[9]: array([[ 1.9052, -0.492 , -1.7712], [ 1.1278, 0.4758, 1.8208]])
ndarray是一个通用的同构数据多维容器，也就是说，其中的所有元素必须是相同类型的。每个数组都有一个shape(一个表示个维度大小的元组)和一个dtype(一个用于说明数组数据类型的对象)
In [29]: test_data=np.array([[1,2,3],[4,5,6],[7,8,9]]) In [30]: data Out[30]: array([[ 0.9526, -0.246 , -0.8856], [ 0.5639, 0.2379, 0.9104]]) In [31]: test_data Out[31]: array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) In [32]: data.shape Out[32]: (2, 3) #表示2行3列 In [33]: test_data.shape Out[33]: (3, 3) #表示3行3列
In [34]: data.dtype Out[34]: dtype(‘float64‘) In [35]: test_data.dtype Out[35]: dtype(‘int32‘)
创建数组最简单的办法就是使用array函数。它接受一切序列型的对象(包括其他数组)，然后产生一个新的传入数据的NumPy数组。
标签：float 节省空间 tran 其他 部分 功能 特点 -- 学习
原文地址：https://www.cnblogs.com/catxjd/p/9058324.html
