python求数组最⼩值和最⼤值_numpy出array中的最⼤最⼩
值的⽅法
numpy出array中的最⼤值，最⼩值实例
在python中利⽤numpy创建⼀个array， 然后我们想获取array的最⼤值，最⼩值。可以使⽤⼀下⽅法：
⼀、创建数组
这样就可以获得⼀个array的最⼤值和最⼩值了。
并且可以利⽤np.where(np.max(a))来获得最⼤值，最⼩值的⾏和列数。
⼆、python下对⽂件的操作
1、移动⼀个⽂件夹到另⼀个⽂件夹下
⾸先
import os, skutil
复制⽂件：
oldfile和newfile都只能是⽂件
oldfile只能是⽂件夹，newfile可以是⽂件，也可以是⽬标⽬录
复制⽂件夹：
olddir和newdir都只能是⽬录，且newdir必须不存在
移动⽂件：
重命名⽂件：
删除⽂件：
只能删除空⽬录
判断⽬标：
ists('goal')
判断⽬标是否存在
os.path.isdir('goal')
判断⽬标是否是⽬录
os.path.isfile('goal')
判断⽬标是否是⽂件
转换⽬录：
os.chdir('path')
判断路径是否存在：
isExists = ists(path)
存在　True
不存在　False
创建⽬录：
os.mkdir('file')
创建多层⽬录：
def mkdirs(path):
# 去除⾸位空格
path = path.strip()
# 去除尾部 \ 符号
path = path.rstrip('\\')
以上这篇numpy出array中的最⼤值，最⼩值实例就是⼩编分享给⼤家的全部内容了，希望能给⼤家⼀个参考，也希望⼤家多多⽀持码农之家。
Python中Numpy ndarray的使⽤详解
本⽂主讲Python中Numpy数组的类型、全0全1数组的⽣成、随机数组、数组操作、矩阵的简单运算、矩阵的数学运算。
令数组全部的值为0尽管可以⽤python中list嵌套来模拟矩阵，但使⽤Numpy库更⽅便。
定义数组
>>> import numpy as np
>>> m = np.array([[1,2,3], [2,3,4]]) #定义矩阵，int64
>>> m
array([[1, 2, 3],
[2, 3, 4]])
>>> m = np.array([[1,2,3], [2,3,4]], dtype=np.float) #定义矩阵,float64
>>> m
array([[1., 2., 3.],
[2., 3., 4.]])
>>> print(m.dtype) #数据类型
float64
>>> print(m.shape) #形状2⾏3列
(2, 3)
>>> print(m.ndim) #维数
2
>>> print(m.size) #元素个数
6
>>> print(type(m))
还有⼀些特殊的⽅法可以定义矩阵
>>> m = np.zeros((2,2)) #全0
>>> m
array([[0., 0.],
[0., 0.]])
>>> print(type(m)) #也是ndarray类型
>>> m = np.ones((2,2,3)) #全1
>>> m = np.full((3,4), 7) #全为7
>>> np.eye(3) #单位矩阵
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
>>> np.arange(20).reshape(4,5) #⽣成⼀个4⾏5列的数组
>>>
>>> np.random.random((2,3)) #[0,1)随机数
array([[0.51123127, 0.40852721, 0.26159126],
[0.42450279, 0.34763668, 0.06167501]])
>>> np.random.randint(1,10,(2,3)) #[1,10)随机整数的2⾏3列数组array([[5, 4, 9],
[2, 5, 7]])
>>> np.random.randn(2,3) #正态随机分布
array([[-0.29538656, -0.50370707, -2.05627716],
[-1.50126655, 0.41884067, 0.67306605]])
>>> np.random.choice([10,20,30], (2,3)) #随机选择
array([[10, 20, 10],
[30, 10, 20]])
>>> np.random.beta(1,10,(2,3)) #贝塔分布
array([[0.01588963, 0.12635485, 0.22279098],
[0.08950147, 0.02244569, 0.00953366]])
操作数组
>>> from numpy import *
>>> a1=array([1,1,1]) #定义⼀个数组
>>> a2=array([2,2,2])
>>> a1+a2 #对于元素相加
array([3, 3, 3])
>>> a1*2 #乘⼀个数
array([2, 2, 2])
##
>>> a1=np.array([1,2,3])
>>> a1
array([1, 2, 3])
>>> a1**3 #表⽰对数组中的每个数做⽴⽅
array([ 1, 8, 27])
##取值，注意的是它是以0为开始坐标，不matlab不同>>> a1[1]
2
##定义多维数组
>>> a3=np.array([[1,2,3],[4,5,6]])
>>> a3
array([[1, 2, 3],
[4, 5, 6]])
>>> a3[0] #取出第⼀⾏的数据
array([1, 2, 3])
>>> a3[0,0] #第⼀⾏第⼀个数据
1
>>> a3[0][0] #也可⽤这种⽅式
1
>>> a3
array([[1, 2, 3],
[4, 5, 6]])
>>> a3.sum(axis=0) #按⾏相加，列不变
array([5, 7, 9])
>>> a3.sum(axis=1) #按列相加，⾏不变
array([ 6, 15])
矩阵的数学运算
关于⽅阵
>>> m = np.array([[1,2,3], [2,2,3], [2,3,4]]) #定义⼀个⽅阵
>>> m
array([[1, 2, 3],
[2, 2, 3],
[2, 3, 4]])
>>> print(np.linalg.det(m)) #求⾏列式
1.0
>>> print(np.linalg.inv(m)) #求逆
[[-1. 1. 0.]
[-2. -2. 3.]
[ 2. 1. -2.]]
>>> print(np.linalg.eig(m)) #特征值 特征向量
(array([ 7.66898014+0.j , -0.33449007+0.13605817j,
-0.33449007-0.13605817j]), array([[-0.47474371+0.j , -0.35654645+0.23768904j, -0.35654645-0.23768904j],
[-0.53664812+0.j , 0.80607696+0.j ,
0.80607696-0.j ],
[-0.6975867 +0.j , -0.38956192-0.12190158j,
-0.38956192+0.12190158j]]))
>>> y = np.array([1,2,3])
>>> print(np.linalg.solve(m, y)) #解⽅程组
[ 1. 3. -2.]
矩阵乘法
矩阵乘：按照线性代数的乘法
>>> a = np.array([[1,2,3], [2,3,4]])
>>> b = np.array([[1,2], [3,4], [5,6]])
>>> a
array([[1, 2, 3],
[2, 3, 4]])
>>> b
array([[1, 2],

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。