python包numpy的学习

1. 创建多维数组，维度相当于坐标轴的个数（the number of axes (dimensions) of the array.官方解释）
   note:个人理解np.array()最多创建到3维数组，维度分别对应(x,y,z)，不知正确与否，一般使用二维数组即可

   #4个4*4矩阵，整体维数还是3
   a = np.array([
       [[1, 2, 3, 4],
        [1, 2, 3, 4],
           [1, 2, 3, 4],
           [1, 2, 3, 4]],#x和y，后面的都理解为z
       [[1, 2, 3, 4],
        [1, 2, 3, 4],
           [1, 2, 3, 4],
           [1, 2, 3, 4]],
       [[1, 2, 3, 4],
        [1, 2, 3, 4],
           [1, 2, 3, 4],
           [1, 2, 3, 4]],
       [[1, 2, 3, 4],
        [1, 2, 3, 4],
           [1, 2, 3, 4],
           [1, 2, 3, 4]]
   ])
   #a 3D array (four stacked 2D arrays),a.shape=(4,4,4)代表4个4*4矩阵
   print(a)
   print(a.ndim)#输出还是3
   
   #等价于
   a = np.array([
       [(1, 2, 3, 4),
        (1, 2, 3, 4),
        (1, 2, 3, 4),
        (1, 2, 3, 4)],
       [(1, 2, 3, 4),
        (1, 2, 3, 4),
           (1, 2, 3, 4),
           (1, 2, 3, 4)],
       [(1, 2, 3, 4),
        (1, 2, 3, 4),
           (1, 2, 3, 4),
           (1, 2, 3, 4)],
       [(1, 2, 3, 4),
        (1, 2, 3, 4),
           (1, 2, 3, 4),
           (1, 2, 3, 4)],
   ])

   note:()和[]在数组中有时可以互换，比如：

   a = np.zeros([3, 4])
   #等同于
   a = np.zeros((3,4))

    

2.  利用ones()函数一次性初始化多个相同大小的矩阵，利用下标索引矩阵，比1创建多个矩阵简单很多

   a = np.ones((4, 3, 4))

    

3. 可以利用arange()创建x坐标序列，画图时可以用到，也可以用linespace()替代，更精确灵活

    

   a = np.arange(0, 61, 1)  # 0,1,2,...,61
   

    

4. 矩阵索引从0开始，左闭右开：b[1:3,:]代表b的第二行(1)，第三行(2)元素 

5. def f(x, y):
       return x+y
   
   # shape(5,4)代表x,y均为行列式，x = [0,1,2,3,4]; y = [0,1,2,3]
   b = np.fromfunction(f, (5, 4), dtype=int)

   对于np.fromfunction()函数，shape(x,y)，x的每一个元素和y的所有元素通过函数运算，最后得出一个大矩阵

6. # Linear Algebra
   a = np.array([
       [1, 2],
       [3, 4]
   ])
   
   a.transpose()
   np.linalg.inv(a)  # 求逆
   
   a = np.eye(2)  # 创建2*2单位矩阵
   np.trace(a)  # 求迹
   
   # 求解线性方程组
   y = np.array([[5], [7]])
   np.linalg.solve(a, y)
   
   
   # Tricks And Tips
   
   # “Automatic” Reshaping
   a = np.arange(30)  # 左闭右开[0,30)
   a.shape = 2, -1, 3  # -1 means "whatever is needed":2个x*3矩阵
   
   # Vector Stacking
   x = np.arange(0,10,2)                     # x=([0,2,4,6,8])
   y = np.arange(5)                          # y=([0,1,2,3,4])
   m = np.vstack([x,y])                      # m=([[0,2,4,6,8],
                                             #     [0,1,2,3,4]])
   xy = np.hstack([x,y])                     # xy =([0,2,4,6,8,0,1,2,3,4])

    

7. 绘制直方图

   # Histograms
   import matplotlib.pyplot as plt
   plt.figure(num = 1)
   mu, sigma = 2, 0.5
   v = np.random.normal(mu, sigma, 10000)
   plt.hist(v, bins = 50, density = 1)
   plt.show()
   
   plt.figure(num = 2)
   (n, bins) = np.histogram(v, bins = 50, density = True)
   print(bins)
   
   plt.plot(0.5*(bins[1:]+bins[:-1]), n)
   plt.show()

    其中的bins为一维向量，代表直方图所有的边界，bin[1:]从第2个元素开始索引，bin[:-1]索引到倒数第二个元素，同一个向量的交叉运算，也是经常用到