❶ numpy如何查找數組中個數最多的元素
python">importnumpyasnp
b=np.array([[0,4,4],[2,0,3],[1,3,4]])
print('b=')
print(b)
l=sorted([(np.sum(b==i),i)foriinset(b.flat)])
'''
np.sum(b==i)#統計b中等於i的元素個數
set(b.flat)#將b轉為一維數組後，去除重復元素
sorted()#按元素個數從小到大排序
l[-1]#取出元素個數最多的元組對(count,element)
'''
print('maxtimesofelementinbis{1}with{0}times'.format(*l[-1]))
[willie@localhost pys]$ python3 countnumpy.py
b=
[[0 4 4]
[2 0 3]
[1 3 4]]
max times of element in b is 4 with 3 times
❷ Python-Numpy基礎
如果你已經裝有 Anaconda，那麼你可以使用以下命令通過終端或命令提示符安裝 NumPy：
conda install numpy
如果你沒有 Anaconda，那麼你可以使用以下命令從終端上安裝 NumPy：
pip install numpy
安裝好 NumPy 後，你就可以啟動 Jupyter notebook 開始學習了。接下來從 NumPy 數組開始
就好比一個矩陣
numpy.empty 方法用來創建一個指定形狀（shape）、數據類型（dtype）且未初始化的數組：
參數說明：
參數 描述
shape 數組形狀
dtype 數據類型，可選
order 有"C"和"F"兩個選項,分別代表，行優先和列優先，在計算機內存中的存儲元素的順序。
舉例
輸出結果
創建指定大小的數組，數組元素以 0 來填充：
舉例
結果輸出
創建指定形狀的數組，數組元素以 1 來填充：
舉例
同樣是類型，但是注意這個和上邊的區別，一個是數組的形式，一個是矩陣的形式。
❸ （Python）numpy 常用操作
不放回取樣：
從列表ori中不放回地取n個數
通過這種操作，我們可以獲得一個二維列表的子集：
（如果這個二維列表是圖的鄰接矩陣，那麼就是對圖進行隨機采樣，獲得一個圖的子圖）
首先要注意，"+" 操作對於list和numpy.array是完全不同的
python 中的list，"+"代表拼接:
在numpy.array中，"+"代表矩陣相加
keepdim指的是維度不變，常在sum中使用。如：
會發現，keepdim之後還是二維的
這里要注意，pytorch和numpy里max()函數的返回值是不同的
pytorch:
也就是說，max(1)代表求第一維的最大值，對於二維數組來說，就是求縱向的最大值，然後，第一個返回值是最大值所形成數組，第二個返回值是最大值所在的索引。這一個技巧在機器學習的分類任務中很常用，比如我們的分類任務是把數據分成m類，那麼最終我們模型的輸出是m維的，對於n個樣本就是n*m，如果要判斷我們的模型最終的分類結果，就是找n個樣本里，每個樣本m維輸出的最大值索引，代表樣本是這個類的可能性最大。我們可以方便地用這種方式找到最大值地索引：
其中test_out是模型輸出，predict_y則是分類結果
另外一點要注意的是，numpy與pytorch不同，numpy的max()只有一個返回值：
也就是說，numpy.max()不會返回最大值所在的索引
❹ python關於numpy基礎問題
Python發展至今，已經有越來越多的人使用python進行科學技術，NumPY是python中的一款高性能科學計算和數據分析的基礎包。
ndarray
ndarray（以下簡稱數組）是numpy的數組對象，需要注意的是，它是同構的，也就是說其中的所有元素必須是相同的類型。其中每個數組都有一個shape和dtype。
shape既是數組的形狀，比如
復制代碼
1 import numpy as np
2 from numpy.random import randn
3
4 arr = randn(12).reshape(3, 4)
5
6 arr
7
8 [[ 0.98655235 1.20830283 -0.72135183 0.40292924]
9 [-0.05059849 -0.02714873 -0.62775486 0.83222997]
10 [-0.84826071 -0.29484606 -0.76984902 0.09025059]]
11
12 arr.shape
13 (3, 4)
復制代碼
其中(3, 4)即代表arr是3行4列的數組，其中dtype為float64
一下函數可以用來創建數組
array將輸入數據轉換為ndarray，類型可制定也可默認
asarray將輸入轉換為ndarray
arange類似內置range
ones、ones_like根據形狀創建一個全1的數組、後者可以復制其他數組的形狀
zeros、zeros_like類似上面，全0
empty、empty_like創建新數組、只分配空間
eye、identity創建對角線為1的對角矩陣
數組的轉置和軸對稱
轉置是多維數組的基本運算之一。可以使用.T屬性或者transpose()來實現。.T就是進行軸對換而transpose則可以接收參數進行更豐富的變換
復制代碼
arr = np.arange(6).reshape((2,3))
print arr
[[0 1 2]
[3 4 5]]
print arr.T
[[0 3]
[1 4]
[2 5]]
arr = np.arange(24).reshape((2,3,4))
print arr
[[[ 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 arr.transpose((0,1,2))
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
復制代碼
數組的運算
大小相等的數組之間做任何算術運算都會將運算應用到元素級別。
復制代碼
1 arr = np.arange(9).reshape(3, 3)
2 print arr
3
4 [[0 1 2]
5 [3 4 5]
6 [6 7 8]]
7
8 print arr*arr
9
10 [[ 0 1 4]
11 [ 9 16 25]
12 [36 49 64]]
13
14 print arr+arr
15
16 [[ 0 2 4]
17 [ 6 8 10]
18 [12 14 16]]
19
20 print arr*4
21
22 [[ 0 4 8]
23 [12 16 20]
24 [24 28 32]]
復制代碼
numpy的簡單計算中，ufunc通用函數是對數組中的數據執行元素級運算的函數。
如：
復制代碼
arr = np.arange(6).reshape((2,3))
print arr
[[0 1 2]
[3 4 5]]
print np.square(arr)
[[ 0 1 4]
[ 9 16 25]]
復制代碼
類似的有：abs,fabs,sqrt,square,exp,log,sign,ceil,floor,rint,modf,isnan,isfinite,isinf,cos,cosh,sin,sinh,tan,tanh，
add,subtract,multiply,power,mod,equal,等等
❺ Numpy基礎20問
一言以蔽之，numpy是python中基於數組對象的科學計算庫。
提煉關鍵字，可以得出numpy以下三大特點：
因為numpy是一個python庫，所以使用python包管理工具pip或者conda都可以安裝。
安裝python後，打開cmd命令行，輸入：
即可完成安裝。
n維數組（ndarray）對象，是一系列 同類數據 的集合，可以進行索引、切片、迭代操作。
numpy中可以使用 array 函數創建數組:
判斷一個數組是幾維，主要是看它有幾個軸（axis）。
一個軸表示一維數組，兩個軸表示二維數組，以此類推。
每個軸都代表一個一維數組。
比如說，二維數組第一個軸里的每個元素都是一個一維數組，也就是第二個軸。
一維數組一個軸：
二維數組兩個軸：
三維數組三個軸：
以此類推n維數組。
numpy中常用 array 函數創建數組，傳入列表或元組即可。
創建一維數組，並指定數組類型為 int ：
創建二維數組：
還可以使用 arange 函數創建一維數字數組，用法類似python的 range 函數.
numpy的 random 模塊用來創建隨機數組。
random模塊還有其他函數，這里不多說。
前面說到，數組維度即代表軸的數量。
我們可以通過數組（adarray）對象的ndim或shape屬性，來查看軸的數量。
數組（ndarray）對象的 size 屬性可以查看數組包含元素總數。
還可以通過 shape 屬性返回元素的乘積，來計算數組元素數量。
Numpy支持的數據類型非常多，所以很適合做數值計算。
下面給出常見的數據類型：
數組（adarrry）對象提供 dtype 屬性，用來查看數組類型。
前面說過，數組的 shape 屬性返回一個元組，能夠反映數組的形狀，包括維度以及每個軸的元素數量。
那麼如果給定一個數組，怎麼改變其形狀呢？
常用的方式有兩種：
比如說我要將一個二維數組轉換為三維數組。
reshape 方法可以傳入整數或者元組形式的參數。
傳入的參數和 shape 屬性返回的元組的含義是一樣的。
例如， x2.reshape(1,2,3) 是將二維數組轉換成三維數組，參數個數代表要轉換的維度，參數數字從左到右分別表示0軸、1軸、2軸的元素數量。
resize 方法和 reshape 方法使用形式一樣，區別是 resize 方法改變了原始數組形狀。
numpy一維數組的索引和切片操作類似python列表，這里不多講。
比如說取一維數組前三個元素。
重點是對多維數組的索引和切片。
多維數組有多個軸，那麼就需要對每個軸進行索引。
例如，三維數組形狀為(x,y,z)，分別代表：0軸有x個元素、1軸有y個元素，2軸有z個元素。
對0、1、2軸進行索引，如果取o軸第2個元素、1軸第0個元素、2軸第3個元素，那麼索引形式就為[2,0,3]。
切片也是同樣道理。
如果取o軸前2個元素、1軸前1個元素、2軸後2個元素，那麼切片形式就為[:2,:1,-2:]。
說到迭代，大家很容易想到直接對數組直接使用 for 循環操作，對於一維數組來說，當然是可以的。
但對於多維數組，迭代是相對於0軸完成的，就是多維數組最外層的那一維。
你沒有辦法直接遍歷數組里每一個元素，嵌套循環又太低效。
這個時候就需要用到 flat 方法，它可以將多維數組平鋪為一維的迭代器。
數組（ndarray）對象提供了ravel方法，用來將多維數組展開為一維數組。
廣播(Broadcast)是 numpy 對不同形狀(shape)的數組進行數值計算的方式， 對多個數組的算術運算通常在相應的元素上進行。
較小的數組在較大的數組上「廣播」，以便它們具有兼容的形狀。
比如說一個一維數組乘以一個數字，相當於一維數組里每個元素都乘以這個數。
如果相同維度的數組進行運算，其shape相同，那麼廣播就是兩個數組相同位數的元素進行運算。
如果兩個數組維度不同，進行運算，這里就觸發了廣播的兩個規則。
這兩個規則保證了不同維度數組進行運算時，其維度自動調整成一致。
numpy提供了 transpose 函數用以對數組進行維度的調換，也就是轉置操作。
轉置後返回一個新數組。
當然，可以用更簡單的方法。
數組對象提供了 T 方法，用於轉置，同樣會返回一個新數組。
numpy的 concatenate 函數用於沿指定軸連接相同形狀的兩個或多個數組。
numpy的 unique 函數用於去除數組中的重復元素，返回一個新數組。
unique 函數還能返回重復元素的索引、計數等信息，可去查文檔自定義參數。
numpy文檔
菜鳥教程
❻ Python基礎 numpy中的常見函數有哪些
有些Python小白對numpy中的常見函數不太了解，今天小編就整理出來分享給大家。
Numpy是Python的一個科學計算的庫，提供了矩陣運算的功能，其一般與Scipy、matplotlib一起使用。其實，list已經提供了類似於矩陣的表示形式，不過numpy為我們提供了更多的函數。
數組常用函數
1.where()按條件返回數組的索引值
2.take(a,index)從數組a中按照索引index取值
3.linspace(a,b,N)返回一個在(a,b)范圍內均勻分布的數組，元素個數為N個
4.a.fill()將數組的所有元素以指定的值填充
5.diff(a)返回數組a相鄰元素的差值構成的數組
6.sign(a)返回數組a的每個元素的正負符號
7.piecewise(a,[condlist],[funclist])數組a根據布爾型條件condlist返回對應元素結果
8.a.argmax(),a.argmin()返回a最大、最小元素的索引
改變數組維度
a.ravel(),a.flatten():將數組a展平成一維數組
a.shape=(m,n),a.reshape(m,n):將數組a轉換成m*n維數組
a.transpose,a.T轉置數組a
數組組合
1.hstack((a,b)),concatenate((a,b),axis=1)將數組a,b沿水平方向組合
2.vstack((a,b)),concatenate((a,b),axis=0)將數組a,b沿豎直方向組合
3.row_stack((a,b))將數組a,b按行方向組合
4.column_stack((a,b))將數組a,b按列方向組合
數組分割
1.split(a,n,axis=0),vsplit(a,n)將數組a沿垂直方向分割成n個數組
2.split(a,n,axis=1),hsplit(a,n)將數組a沿水平方向分割成n個數組
數組修剪和壓縮
1.a.clip(m,n)設置數組a的范圍為(m,n),數組中大於n的元素設定為n,小於m的元素設定為m
2.a.compress()返回根據給定條件篩選後的數組
數組屬性
1.a.dtype數組a的數據類型
2.a.shape數組a的維度
3.a.ndim數組a的維數
4.a.size數組a所含元素的總個數
5.a.itemsize數組a的元素在內存中所佔的位元組數
6.a.nbytes整個數組a所佔的內存空間7.a.astype(int)轉換a數組的類型為int型
數組計算
1.average(a,weights=v)對數組a以權重v進行加權平均
2.mean(a),max(a),min(a),middle(a),var(a),std(a)數組a的均值、最大值、最小值、中位數、方差、標准差
3.a.prod()數組a的所有元素的乘積
4.a.cumprod()數組a的元素的累積乘積
5.cov(a,b),corrcoef(a,b)數組a和b的協方差、相關系數
6.a.diagonal()查看矩陣a對角線上的元素7.a.trace()計算矩陣a的跡，即對角線元素之和
以上就是numpy中的常見函數。更多Python學習推薦:PyThon學習網教學中心。