人工智能00004 深度學(xué)習(xí)與圖像識(shí)別書評(píng)04 圖像識(shí)別前置技術(shù)02 Numpy數(shù)組01

2.3.1 創(chuàng)建數(shù)組

Numpy中的核心知識(shí)點(diǎn)。

在Numpy中,最核心的數(shù)據(jù)結(jié)構(gòu)是ndarray,ndarray代表的是多維數(shù)組,數(shù)組指的是數(shù)據(jù)的集合。

為了方便理解,列舉一個(gè)小例子。

一個(gè)班級(jí)里學(xué)生的學(xué)號(hào)可以通過一維數(shù)組來表示,數(shù)組名為a,數(shù)組a中存儲(chǔ)的是數(shù)值類型的數(shù)據(jù),分別是1,2,3,4。

其中,

a[0]代表的是第一 個(gè)學(xué)生的學(xué)號(hào)1,

a[1]代表的是第二個(gè)學(xué)生的學(xué)號(hào)2,

以此類推。 一個(gè)班級(jí)里學(xué)生的學(xué)號(hào)和姓名,可以用二維數(shù)組來表示,數(shù)組名為b。

類似的,其中b[0,0]代表的就是1(學(xué)號(hào)),b[0,1]代表的就是Tim(學(xué)號(hào)為1的學(xué)生的名字),以此類推b[1,0]代表的是2(學(xué)號(hào))等。

借用線性代數(shù)的說法,一維數(shù)組通常稱為向量(vec 個(gè)學(xué)生的學(xué)號(hào)1,a[1]代表的是第二個(gè)學(xué)生的學(xué)號(hào)2,以此類推。

一個(gè)班級(jí)里學(xué)生的學(xué)號(hào)和姓名,可以用二維數(shù)組來表示,數(shù)組名為b。

類似的,其中b[0,0]代表的就是1(學(xué)號(hào)),b[0,1]代表的就是Tim(學(xué)號(hào)為1的學(xué)生的名字),以此類推b[1,0]代表的是2(學(xué)號(hào))等。

借用線性代數(shù)的說法,一維數(shù)組通常稱為向量(vec tor),二維數(shù)組通常稱為矩陣(matrix)。

具體操作:

通過import關(guān)鍵字將Numpy庫(kù)引入,然后通過as為其取一個(gè)別名np,別名的作用是為了便于后續(xù)引用。

例如:輸入

import numpy as np

之后,通過鍵盤按住Shift+Enter執(zhí)行,如果沒有報(bào)錯(cuò),則說明Numpy已被正常引入,

Numpy中的array()可以直接導(dǎo)入向量,代碼如下:

vector = np.array([1,2,3,4]) 3)

numpy.array()方法也可以導(dǎo)入矩陣,代碼如下:

matrix = np.array([[1,'Tim'],[2,'Joey'],[3,'Johnny'],[4,'Frank']])

操作步驟: 首先定義一個(gè)向量,然后分配一個(gè)變量名vector;定義一個(gè)矩陣,然后分配給變量matrix;最后通過Python中的print方法在控制臺(tái)中打印出結(jié)果。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容