python数组

1 创建数组 array函数 >>> a=([1,2],[3,4]) >>> array(a) array([[1, 2], [3, 4]]) arange函数：指定初始值、终值、步长来创建数组 >>> import numpy >>> numpy.arange(0,1,0.1) array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]) linspace函数：通过指定开始值、终值和元素个数来创建一维数组，可以通过endpoint关键字指定是否包括终值，缺省设置是包括终值 >>> numpy.linspace(0,1,10) array([ 0. , 0.11111111, 0.22222222, 0.33333333, 0.44444444, 0.55555556, 0.66666667, 0.77777778, 0.88888889, 1. ]) logspace函数和linspace类似，不过它创建等比数列，下面的例子产生1(10^0)到100(10^2)、有20个元素的等比数列 >>> numpy.logspace(1,2,20) array([ 10. , 11.28837892, 12.74274986, 14.38449888, 16.23776739, 18.32980711, 20.69138081, 23

JavaScript概述 1、ECMAScript和JavaScript的关系 1996年11月，JavaScript的创造者--Netscape公司，决定将JavaScript提交给国际标准化组织ECMA，希望这门语言能够成为国际标准。次年，ECMA发布262号标准文件（ECMA-262）的第一版，规定了浏览器脚本语言的标准，并将这种语言称为ECMAScript，这个版本就是1.0版。 该标准一开始就是针对JavaScript语言制定的，但是没有称其为JavaScript，有两个方面的原因。一是商标，JavaScript本身已被Netscape注册为商标。二是想体现这门语言的制定者是ECMA，而不是Netscape，这样有利于保证这门语言的开发性和中立性。 因此ECMAScript和JavaScript的关系是，前者是后者的规格，后者是前者的一种实现。 2、ECMAScript的历史 年份 名称 描述 1997 ECMAScript 1 第一个版本 1998 ECMAScript 2 版本变更 1999 ECMAScript 3 添加正则表达式 添加try/catch ECMAScript 4 没有发布 2009 ECMAScript 5 添加"strict mode"严格模式 添加JSON支持 2011 ECMAScript 5.1 版本变更 2015 ECMAScript 6

链接地址:https://www.cnblogs.com/sunlong88/articles/9384920.html 关于array： Python 本身没有数组这个说法, 有的就是list和tuple, list就具有其他语言中的数组特性. 至于list和tuple的区别,在于list可以在运行时修改内容和大小,tuple在首次创建和赋值后, 不可以再次修改内部的内容 不过python 有提供一个array模块,用于提供基本数字,字符类型的数组.用于容纳字符号,整型,浮点等基本类型. 这种模块主要用于二进制上的缓冲区,流的操作 比如说修改MP3的ID3V1标签，就可以用到array 以下是array支持的初始化类型 Type code C Type Python Type Minimum size in bytes 'c' char character 1 'b' signed char int 1 'B' unsigned char int 1 'u' Py_UNICODE Unicode character 2 (see note) 'h' signed short int 2 'H' unsigned short int 2 'i' signed int int 2 'I' unsigned int long 2 'l' signed long int 4 'L'

题目： Given two sorted integer arrays nums1 and nums2, merge nums2 into nums1 as one sorted array. Note: The number of elements initialized in nums1 and nums2 are m and n respectively. You may assume that nums1 has enough space (size that is greater or equal to m + n) to hold additional elements from nums2. Example: Input: nums1 = [1,2,3,0,0,0], m = 3 nums2 = [2,5,6], n = 3 Output: [1,2,2,3,5,6] 解法1： 暴力法 设置两个指针i和j分别指向nums1和nums2 直接用nums2的每一位数字与num1相比较， 如果nums2的数字较小，则需插入到nums1数组中，但是在这之前需要将num1的所有数字都往后移，右移代码nums1[k] = nums1[k-1]，考虑到前面的会覆盖后面的，所以我们从后往前遍历，m+j是我们已经排好的数量，所以最后一个要移动的下标为m+j-1

数组读写 从文本中读取数组 import numpy as np 空格（制表符）分割的文本 假设我们有这样的一个空白分割的文件： % % writefile myfile . txt 2.1 2.3 3.2 1.3 3.1 6.1 3.1 4.2 2.3 1.8 Writing myfile.txt 为了生成数组，我们首先将数据转化成一个列表组成的列表，再将这个列表转换为数组： data = [ ] with open ( 'myfile.txt' ) as f : # 每次读一行 for line in f : fileds = line . split ( ) row_data = [ float ( x ) for x in fileds ] data . append ( row_data ) data = np . array ( data ) data array([[ 2.1, 2.3, 3.2, 1.3, 3.1], [ 6.1, 3.1, 4.2, 2.3, 1.8]]) 不过，更简便的是使用 loadtxt 方法： data = np . loadtxt ( 'myfile.txt' ) data array([[ 2.1, 2.3, 3.2, 1.3, 3.1], [ 6.1, 3.1, 4.2, 2.3, 1.8]]) 逗号分隔文件 % %

数组与字符串的转换 tostring 方法 import numpy as np a = np . array ( [ [ 1 , 2 ] , [ 3 , 4 ] ] , dtype = np . uint8 ) 转化为字符串： a . tostring ( ) '\x01\x02\x03\x04' 我们可以使用不同的顺序来转换字符串： a . tostring ( order = 'F' ) '\x01\x03\x02\x04' 这里使用了 Fortran 的格式，按照列来读数据。 fromstring 函数 可以使用 fromstring 函数从字符串中读出数据，不过要指定类型： s = a . tostring ( ) a = np . fromstring ( s , dtype = np . uint8 ) a array([1, 2, 3, 4], dtype=uint8) 此时，返回的数组是一维的，需要重新设定维度： a . shape = 2 , 2 a array([[1, 2], [3, 4]], dtype=uint8) 对于文本文件，推荐使用 loadtxt genfromtxt savetxt 对于二进制文本文件，推荐使用 save load savez 来源： CSDN 作者： DrogoZhang 链接： https://blog.csdn.net

NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。 Numeric，即 NumPy 的前身，是由 Jim Hugunin 开发的。 也开发了另一个包 Numarray ，它拥有一些额外的功能。 2005年，Travis Oliphant 通过将 Numarray 的功能集成到 Numeric 包中来创建 NumPy 包。 这个开源项目有很多贡献者。 Numpy基础 NumPy的主要对象是同种元素的多维数组。这是一个所有的元素都是一种类型、通过一个正整数元组索引的元素表格(通常是元素是数字)。在 NumPy中维度(dimensions)叫做轴(axes)，轴的个数叫做秩(rank)。 例如，在3D空间一个点的坐标[1, 2, 3]是一个秩为1的数组，因为它只有一个轴。那个轴长度为3.又例如，在以下例子中，数组的秩为2(它有两个维度).第一个维度长度为2,第二个维度长度为3. [[ 1., 0., 0.], [ 0., 1., 2.]] NumPy的数组类被称作ndarray。通常被称作数组。注意numpy.array和标准Python库类array.array并不相同，后者只处理一维数组和提供少量功能。更多重要ndarray对象属性有： ndarray.ndim: 数组轴的个数

argmin(), argmax(), argsort() 以及利用argsort()函数实现数组的升序、降序 import numpy as np a = np . array ( [ 11 , 3 , 5 , 18 ] ) x = np . argmax ( a ) print ( x ) # 返回数组中最大元素的索引值: 3 y = np . argmin ( a ) print ( y ) #返回的是数组中最小元素的索引值： 1 z = np . argsort ( a ) print ( z ) #返回的是将数组a中的元素按升序排列后对应元素的索引值数组： 【1,2,0,3】 w = np . argsort ( - a ) print ( w ) #返回的是将数组a中的元素按降序排列后对应元素的索引值数组： 【3,0,2,1】 a_ascend = a [ z ] print ( a_ascend ) #返回a按升序排列后的数组 ： 【3,5,11,18】 a_descend = a [ z [ : : - 1 ] ] print ( a_descend ) #返回a按降序排列后的数组： 【18,11,5,3】 python中argsort()函数的用法 来源： CSDN 作者： 五取蕴_41121879 链接： https://blog.csdn.net/qq

ID: 350 TITLE: 两个数组的交集 II TAG: Java，Python，Map 方法一：哈希映射 前面的问题 349. 两个数组的交集 ，我们使用 set 来实现线性时间复杂度。在这里，我们需要使用 HashMap 来跟踪每个数字出现的次数。 我们先在 HashMap 记录一个数组中的存在的数字和对应出现的次数。然后，我们遍历第二个数组，检查数字在 HashMap 中是否存在，如果存在且计数为正，则将该数字添加到答案并减少 HashMap 中的计数。 检查数组的大小并对较小的数组进行哈希映射是一个小细节，当其中一个数组较大时，会减少内存的使用。 算法： 如果 nums1 元素个数大于 nums2 ，则交换数组元素。 对于 nums1 的每个元素，添加到 HashMap m 中，如果元素已经存在则增加对应的计数。 初始化 k = 0 ，记录当前交集元素个数。 遍历数组 nums2 ： 检查元素在 m 是否存在，若存在且计数为正： 将元素拷贝到 nums1[k] ，且 k++ 。 减少 m 中对应元素的计数。 返回 nums1 前 k 个元素。 vector<int> intersect(vector<int>& nums1, vector<int>& nums2) { if (nums1.size() > nums2.size()) { return intersect

K-Means聚类算法 def randCent(dataSet, k): m, n = dataSet.shape # numpy中的shape函数的返回一个矩阵的规模，即是几行几列 centrodids = np.zeros(k, n) for i in range(k): index = int(np.random.uniform(0, m)) # centrodids[i, :] = dataSet[index, :] return centrodids 报错TypeError: data type not understood 错误在第三行centrodids = np.zeros(k, n) 原来numpy.zeros的用法用错了 numpy.zeros（shape，dtype = float，order ='C' ） 返回给定形状和类型的新数组，并用零填充。 shape:整数或者整数元组例如：（2，1） dtype：数据类型，可选 order：{‘C’，‘F’}可选，默认C 所以应该吧第三行改成centrodids = np.zeros（(k, n)） 来源： https://www.cnblogs.com/WQiong/p/12024889.html