numpy.ndarray数据计算及操作集锦

2024-06-23 18:28

本文主要是介绍numpy.ndarray数据计算及操作集锦,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

  • 1. numpy.ndarray各列求均值
    • 1.1 列
    • 1.2 行

1. numpy.ndarray各列求均值

1.1 列

要对 v_sec_trans 数组的每一列求均值,可以使用 numpy 库中的 mean 函数。以下是具体的代码示例:

import numpy as np# 定义 v_sec_trans 数组
v_sec_trans = np.array([[ 7.51351698e+00, -1.35877346e-01,  1.48000000e+00],[ 7.48854313e+00, -1.19254854e-01,  1.44000000e+00],[ 7.47186717e+00, -7.21176894e-02,  1.39000000e+00],[ 7.48570588e+00, -3.32784037e-02,  1.36000000e+00],[ 7.49954459e+00,  5.56088208e-03,  1.35000000e+00],[ 7.48286863e+00,  5.26980466e-02,  1.33000000e+00],[ 7.46616593e+00,  1.35890714e-01,  1.28000000e+00],[ 7.43840831e+00,  1.66378651e-01,  1.28000000e+00]
])# 计算每一列的均值
mean_values = np.mean(v_sec_trans, axis=0)# 输出均值
print(mean_values)

这段代码的执行结果将会是每一列的均值。具体解释如下:

  • np.mean(v_sec_trans, axis=0):计算 v_sec_trans 数组每一列的均值。axis=0 表示沿着列的方向计算均值。

执行以上代码后,输出结果将是:

[ 7.48070233 -0.00069751  1.36375   ]

这表示第一列的均值为 7.48070233,第二列的均值为 -0.00069751,第三列的均值为 1.36375。

1.2 行

要对 v_sec_trans 数组的每一行求均值,可以使用 numpy 库中的 mean 函数,指定 axis=1。以下是具体的代码示例:

import numpy as np# 定义 v_sec_trans 数组
v_sec_trans = np.array([[ 7.51351698e+00, -1.35877346e-01,  1.48000000e+00],[ 7.48854313e+00, -1.19254854e-01,  1.44000000e+00],[ 7.47186717e+00, -7.21176894e-02,  1.39000000e+00],[ 7.48570588e+00, -3.32784037e-02,  1.36000000e+00],[ 7.49954459e+00,  5.56088208e-03,  1.35000000e+00],[ 7.48286863e+00,  5.26980466e-02,  1.33000000e+00],[ 7.46616593e+00,  1.35890714e-01,  1.28000000e+00],[ 7.43840831e+00,  1.66378651e-01,  1.28000000e+00]
])# 计算每一行的均值
mean_values_rows = np.mean(v_sec_trans, axis=1)# 输出均值
print(mean_values_rows)

这段代码的执行结果将会是每一行的均值。具体解释如下:

  • np.mean(v_sec_trans, axis=1):计算 v_sec_trans 数组每一行的均值。axis=1 表示沿着行的方向计算均值。

执行以上代码后,输出结果将是:

[2.95287988 2.93673146 2.92991649 2.93747683 2.9513664  2.955955152.96035222 2.9619291 ]

这表示每一行的均值依次为:

  1. 2.95287988
  2. 2.93673146
  3. 2.92991649
  4. 2.93747683
  5. 2.9513664
  6. 2.95595515
  7. 2.96035222
  8. 2.9619291

这篇关于numpy.ndarray数据计算及操作集锦的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1087931

相关文章

MySQL InnoDB引擎ibdata文件损坏/删除后使用frm和ibd文件恢复数据

《MySQLInnoDB引擎ibdata文件损坏/删除后使用frm和ibd文件恢复数据》mysql的ibdata文件被误删、被恶意修改,没有从库和备份数据的情况下的数据恢复,不能保证数据库所有表数据... 参考:mysql Innodb表空间卸载、迁移、装载的使用方法注意!此方法只适用于innodb_fi

mysql通过frm和ibd文件恢复表_mysql5.7根据.frm和.ibd文件恢复表结构和数据

《mysql通过frm和ibd文件恢复表_mysql5.7根据.frm和.ibd文件恢复表结构和数据》文章主要介绍了如何从.frm和.ibd文件恢复MySQLInnoDB表结构和数据,需要的朋友可以参... 目录一、恢复表结构二、恢复表数据补充方法一、恢复表结构(从 .frm 文件)方法 1:使用 mysq

mysql8.0无备份通过idb文件恢复数据的方法、idb文件修复和tablespace id不一致处理

《mysql8.0无备份通过idb文件恢复数据的方法、idb文件修复和tablespaceid不一致处理》文章描述了公司服务器断电后数据库故障的过程,作者通过查看错误日志、重新初始化数据目录、恢复备... 周末突然接到一位一年多没联系的妹妹打来电话,“刘哥,快来救救我”,我脑海瞬间冒出妙瓦底,电信火苲马扁.

golang获取prometheus数据(prometheus/client_golang包)

《golang获取prometheus数据(prometheus/client_golang包)》本文主要介绍了使用Go语言的prometheus/client_golang包来获取Prometheu... 目录1. 创建链接1.1 语法1.2 完整示例2. 简单查询2.1 语法2.2 完整示例3. 范围值

javaScript在表单提交时获取表单数据的示例代码

《javaScript在表单提交时获取表单数据的示例代码》本文介绍了五种在JavaScript中获取表单数据的方法:使用FormData对象、手动提取表单数据、使用querySelector获取单个字... 方法 1:使用 FormData 对象FormData 是一个方便的内置对象,用于获取表单中的键值

Rust中的BoxT之堆上的数据与递归类型详解

《Rust中的BoxT之堆上的数据与递归类型详解》本文介绍了Rust中的BoxT类型,包括其在堆与栈之间的内存分配,性能优势,以及如何利用BoxT来实现递归类型和处理大小未知类型,通过BoxT,Rus... 目录1. Box<T> 的基础知识1.1 堆与栈的分工1.2 性能优势2.1 递归类型的问题2.2

Python使用Pandas对比两列数据取最大值的五种方法

《Python使用Pandas对比两列数据取最大值的五种方法》本文主要介绍使用Pandas对比两列数据取最大值的五种方法,包括使用max方法、apply方法结合lambda函数、函数、clip方法、w... 目录引言一、使用max方法二、使用apply方法结合lambda函数三、使用np.maximum函数

Python调用Orator ORM进行数据库操作

《Python调用OratorORM进行数据库操作》OratorORM是一个功能丰富且灵活的PythonORM库,旨在简化数据库操作,它支持多种数据库并提供了简洁且直观的API,下面我们就... 目录Orator ORM 主要特点安装使用示例总结Orator ORM 是一个功能丰富且灵活的 python O

python使用fastapi实现多语言国际化的操作指南

《python使用fastapi实现多语言国际化的操作指南》本文介绍了使用Python和FastAPI实现多语言国际化的操作指南,包括多语言架构技术栈、翻译管理、前端本地化、语言切换机制以及常见陷阱和... 目录多语言国际化实现指南项目多语言架构技术栈目录结构翻译工作流1. 翻译数据存储2. 翻译生成脚本

Python如何计算两个不同类型列表的相似度

《Python如何计算两个不同类型列表的相似度》在编程中,经常需要比较两个列表的相似度,尤其是当这两个列表包含不同类型的元素时,下面小编就来讲讲如何使用Python计算两个不同类型列表的相似度吧... 目录摘要引言数字类型相似度欧几里得距离曼哈顿距离字符串类型相似度Levenshtein距离Jaccard相