要返回 NumPy 中 MaskedArray 数据的视图，请使用 ma.MaskedArray.view() 方法。a.view() 主要有两种用法：a.view(some_dtype) 或 a.view(dtype=some_dtype) 会构建一个具有不同数据类型的数组内存视图。这可能会导致内存字节的重新解释。a.view(ndarray_subclass) 或 a.view(type=ndarray_subclass) 只返回 ndarray_subclass 的一个实例，它查看的是同一个数组。这不会导致内存的重新解释。步骤首先，导入所需的库 −import numpy as np import numpy.ma as ma使用 numpy.array() 方法创建一个包含整数元素的数组 −arr = np.array([[35, 85], [67, 33]]) print("数组...", arr) print("数组类型...", arr.dtype)获取... 阅读更多

要返回指定的对角线，请在 NumPy 中使用 ma.MaskedArray.diagonal() 方法。设置对角线与主对角线的偏移量。可以为正数或负数。掩码数组是标准 numpy.ndarray 和掩码的组合。掩码要么是 nomask，表示关联数组的无任何值无效，要么是一个布尔值数组，它决定关联数组的每个元素是否有效。步骤首先，导入所需的库 −import numpy as np import numpy.ma as ma使用 numpy.array() 方法创建一个包含整数元素的数组 −arr = np.array([[55, 85, 59, ... 阅读更多

scipy.interpolate 包中的 interp1d() 函数用于对一维函数进行插值。它采用 x 和 y 等值的数组来逼近某个函数 y = f(x)，然后使用插值来查找新点的值。语法scipy.interpolate.interp1d(x, y)其中 x 是一个一维实数数组，y 是一个 N 维实数数组。沿插值轴的 y 的长度必须等于 x 的长度。示例 1让我们考虑以下示例 −# 导入所需的库 import matplotlib.pyplot as plt import numpy as np from scipy import interpolate # ... 阅读更多

scipy.linalg 包中的 tanm() 函数用于计算输入矩阵的正切值。此例程使用 expm 计算矩阵指数。语法scipy.linalg.tanm(x)其中 x 是输入数组或方阵。它返回 x 的矩阵正切值。示例 1让我们考虑以下示例 −# 导入所需的库 from scipy import linalg import numpy as np # 定义输入数组 x = np.array([[69 , 12] , [94 , 28]]) print("输入数组: ", x) # 计算正切 a = linalg.tanm(x) # 显示矩阵的正切 print("X 的正切: ", a)输出它将... 阅读更多

scipy.linalg 包中的 cosm() 函数用于计算输入矩阵的余弦值。此例程使用 expm 计算矩阵指数。语法scipy.linalg.cosm(x)其中 x 是输入数组。示例 1让我们考虑以下示例 −# 导入所需的库 from scipy import linalg import numpy as np # 定义输入数组 q = np.array([[121 , 10] , [77 , 36]]) print("数组输入 :", q) # 计算余弦 r = linalg.cosm(q) # 显示矩阵的余弦 print("Q 的余弦: ", r)输出上述程序将生成以下输出 − 数组输入 : ... 阅读更多

sinm() 函数 scipy.linalg 包用于计算输入矩阵的正弦值。此例程使用 expm 计算矩阵指数。语法scipy.linalg.sinm(x)其中 x 是输入数组。示例 1让我们考虑以下示例 −# 导入所需的库 from scipy from scipy import linalg import numpy as np # 定义输入数组 X = np.array([[110, 12], [79, 23]]) print("输入矩阵, X:", X) # 计算矩阵的正弦 n = linalg.sinm(X) # 显示正弦 print("X 的正弦: ", n)输出它将生成以下输出 − 输入矩阵, X: [[110 12] ... 阅读更多

scipy.linalg 包中的 expm() 函数使用 Padé 近似计算矩阵指数。Padé 近似是通过给定阶数的有理函数对函数进行“最佳”逼近。在此技术下，近似的幂级数与它逼近的函数的幂级数一致。语法scipy.linalg.expm(x)其中 x 是要进行指数运算的输入矩阵。示例 1让我们考虑以下示例 −# 导入所需的库 from scipy import linalg import numpy as np # 定义输入数组 e = np.array([[100 , 5] , [78 , 36]]) print("输入数组 :", e) # 计算... 阅读更多

要将绘图保存为 RGB 格式的 NumPy 数组，我们可以采取以下步骤 −使用 numpy 创建 r、g 和 b 随机数组。将 r、g 和 b（来自步骤 1）压缩以创建一个 rgb 元组列表。将 rgb 转换为 NumPy 数组以绘制它。绘制 rgb 格式的 NumPy 数组。将图形保存到当前位置。要显示图形，请使用 show() 方法。示例import numpy as np from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True r = np.random.rand(100) g = np.random.rand(100) b = np.random.rand(100) rgb = zip(r, g, b) arr = np.array([item for item in rgb]) plt.plot(arr) plt.savefig("myplot.png") ... 阅读更多

在这个程序中，我们将找到存在给定数字倍数的索引位置。我们将为此任务同时使用 NumPy 和 Pandas 库。算法步骤 1：定义 Pandas 系列。步骤 2：从用户处输入数字 n。步骤 3：使用 numpy 库中的 argwhere() 函数从系列中查找该数字的倍数。示例代码import numpy as np listnum = np.arange(1, 20) multiples = [] print("NumList:", listnum) n = int(input("输入您要查找倍数的数字: ")) for num in listnum:    if num % n == ... 阅读更多

这是一个简单的程序，我们需要反转一个 numpy 数组。我们将为此使用 numpy.flip() 函数。算法步骤 1：导入 numpy。步骤 2：使用 numpy.array() 定义 numpy 数组。步骤 3：使用 numpy.flip() 函数反转数组。步骤 4：打印数组。示例代码import numpy as np arr = np.array([10,20,30,40,50]) print("原始数组: ", arr) arr_reversed = np.flip(arr) print("反转后的数组: ", arr_reversed)输出原始数组: [10 20 30 40 50] 反转后的数组: [50 40 30 20 10]