大橙子网站建设,新征程启航
为企业提供网站建设、域名注册、服务器等服务
我举个简单的例子:
十载的河池网站建设经验,针对设计、前端、开发、售后、文案、推广等六对一服务,响应快,48小时及时工作处理。成都全网营销推广的优势是能够根据用户设备显示端的尺寸不同,自动调整河池建站的显示方式,使网站能够适用不同显示终端,在浏览器中调整网站的宽度,无论在任何一种浏览器上浏览网站,都能展现优雅布局与设计,从而大程度地提升浏览体验。成都创新互联公司从事“河池网站设计”,“河池网站推广”以来,每个客户项目都认真落实执行。
取出含有元素0的所有行
import numpy as np
x = np.array([[1,2,3,4,0],[2,3,4,5,6],[0,1,2,3,4]])
b=[]
for row in x:
for i in row:
if i==0:
b.append(row)
print b
PS G:\Python learning-Q python exbaidu.py
[array([1, 2, 3, 4, 0]), array([0, 1, 2, 3, 4])]
NumPy支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。
首先安装NumPy,安装过pandas,它会自动安装它的依赖,就不需要安装NumPy了。
python的numpy库提供矩阵运算的功能,因此我们在需要矩阵运算的时候,需要导入numpy的包。
计算矩阵对应行列的最大、最小值、和。
3a1=mat([[1,1],[2,3],[4,2]])
a1
matrix([[1, 1],
[2, 3],
[4, 2]])
计算每一列、行的和
a2=a1.sum(axis=0) #列和,这里得到的是1*2的矩阵
a2
matrix([[7, 6]])
a3=a1.sum(axis=1) #行和,这里得到的是3*1的矩阵
a3
matrix([[2],
[5],
[6]])
a4=sum(a1[1,:]) #计算第一行所有列的和,这里得到的是一个数值
a4
5 #第0行:1+1;第2行:2+3;第3行:4+2
计算最大、最小值和索引
a1.max() #计算a1矩阵中所有元素的最大值,这里得到的结果是一个数值
4
a2=max(a1[:,1]) #计算第二列的最大值,这里得到的是一个1*1的矩阵
a2
matrix([[3]])
a1[1,:].max() #计算第二行的最大值,这里得到的是一个一个数值
3
np.max(a1,0) #计算所有列的最大值,这里使用的是numpy中的max函数
matrix([[4, 3]])
np.max(a1,1) #计算所有行的最大值,这里得到是一个矩阵
matrix([[1],
[3],
[4]])
np.argmax(a1,0) #计算所有列的最大值对应在该列中的索引
matrix([[2, 1]])
np.argmax(a1[1,:]) #计算第二行中最大值对应在该行的索引
1