前言
注:文章代码示例均导入 import numpy as np
numpy 库 包括以下几个常量:np.NaN、 np.inf、np.pi、 np.e
1 np.NaN
- 表示空值 np.nan=np.NaN=np.NAN
- 两个np.NaN不相等
【例1-1】 判断两个np.nan的关系
#两个np.NaN 不相等
import numpy as np
print(np.NaN == np.NaN) #False
print(np.NaN != np.NaN) #True
- numpy.isnan(x, *args, **kwargs) 对每个元素检测是否有nan值并返回布尔值
代码示例:
【例1-2】计算ndarray中非数值常量的数量
import numpy as np
x = np.array([2,1,3,np.nan,0])
print(x) #[ 2. 1. 3. nan 0.]
y = np.isnan(x)
print(y) #[False False False True False]
z = np.count_nonzero(y)
print(z) #1
2 np.inf
1.正无穷大五种表现形式 Inf = inf = infty = Infinity = PINF
2.
【例2】判断Inf ,inf , infty , Infinity , PINF之间的关系
import numpy as np
print(np.Inf == np.inf)
print(np.inf == np.infty)
print(np.infty == np.Infinity)
print(np.Infinity == np.PINF)
输出结果:
True
True
True
True
3 np.pi
表示圆周率
【例3】打印圆周率
import numpy as np
print(np.pi) #3.141592653589793
4 自然数e
【例4】打印自然数e
import numpy as np
print(np.e) #输出2.718281828459045
5 伽马常数γ
【例5】打印伽马常数
import numpy as np
print(np.euler_gamma) #输出0.5772156649015329
6 None(newaxis)
np.newaxis 字面上理解用来创建新轴,或者对array进行维度扩展
【例6-1】判断None和newaxis的关系
import numpy as np
print(None == np.newaxis)
结果:True
【例6-2】newaxis的用法
>>>import numpy as np
>>>x = np.array([0,1,2,3])
>>>print(x)
>>>print(x.shape)
#表示x是一维的ndarray变量
[0 1 2 3]
(4,)
>>>x1 = x[np.newaxis,:]
>>>print(x1)
>>>print(x1.shape)
#表示x1是二维的ndarray变量1*4
[[0 1 2 3]]
(1, 4)
>>>x2 = x[:,np.newaxis]
>>>print(x2)
>>>print(x2.shape)
#x2是二维的ndarray变量 4*1
[[0]
[1]
[2]
[3]]
(4, 1)
可以通过例子看到np.newaxis的作用是添加维度。放在前面如x1,在前面添加维度(把原来的一维变量放到新的二维变量中)。若放在后面,如x2,在后面添加维度的同时,并把原来一维的变量打散,作为二维的一维变量
参考博客:https://blog.csdn.net/Xiao_Spring/article/details/109166534
版权声明:本文为weixin_44454670原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接和本声明。