个人numpy学习笔记

0.库的部署

通过安装anaconda可以便捷地创建拥有不同库的环境，但直接pip向计算机的python环境安装也可行，启用一个库时，需要使用import。

库与py的关系如图模组之于游戏，库为py提供了更多新的代码或是更便捷高校的代码，使用py进行特定的工作时，安装相关库可使写程序事半功倍。

1.1.1 numpy库：array数组

array数组是numpy库提供的核心对象之一，其功能与py本体的list类似，但功能更加强大且更适合储存数据以进行数据分析，如支持更多的查询指令（效率远高于for遍历），只允许储存同一类型的数据，可创建多个维度等等。

第一种创建array的方法：

输出：

在创建array时就可对其进行配置，具体配置方法如下：

除此之外，你也可以在创建数组之后对其属性进行查询，如下图为array本身的属性：

示例：

输出：

便捷地创建数组的方式：

1.arange

类似于py本体中range代码，start=起始数字，stop=结束数字，step=步长。

2.ones

(shape的用法参考前面)

3.ones_s_like

格式中，x代表一个已存在的数组，该代码会创建一个与该数组形状相同，但元素全替换为1的数组。

将上述代码中的ones替换为zeros，即可产生类似但全为0的数组。

4.empty/empty_like

注意，里面的并不一定是0，慎用。

empty_like()同理。

5.full/full_like

例子：

6.random

7.reshape

保留元素内容，重置数组维度。

8.数组整体操作

对数组的任何操作，都会投射到数组的每一个元素上：

而两个数组相加减时，也会项对项的进行加减。

数学上的矩阵相乘计算

前置知识：

数学上，向量（一维数组）与矩阵相乘，运算遵循以下法则：

若向量是行向量且与矩阵的行元素个数相同，则结果也是行向量1，例子：

a=  [1 2 3]

    [4 5 6]

b =  [1 2 3]

a x b =[1x1+2x2+3x3  1x4+2x5+3x6]

    =[14   32]

即：个对个相乘之和

numpy的np.dot(数组a,数组b)支持这种计算。

向量相乘，直接个对个，0+1+4+9+16=30

数学上，对于两个矩阵A与B，AxB代表以A的每一行乘以B的每一列。例子：

结果的意思是：

A的第一行与B的第一列元素一对一相乘的结果   A的第一行与B的第二列一对一相乘的结果

A的第二行与B的第一列元素一对一相乘的结果   A的第二行与B的第二列一对一相乘的结果

显然，矩阵相乘要求前矩阵一行的元素个数等于后矩阵一列的元素个数，同时，矩阵运算有前后要求，故不满足交换率，也不满足消去律。

同样的，np.dot（）也支持这种计算：

其它数学函数：

np.abs()，括号内数组所有元素变为绝对值。

（补充：np.pi即Π）

（补充：e+a或e-a代表科学计数法，a是一个数字，这一形式指e前面的数要乘10的a或-a次方才是最终结果，图中e+16指近乎无穷大，e-16指近乎无穷小）

np.cos() , np.sin() , np.tan()，字面意思。

log(x)默认是取lnx，需要更改底数要用换底公式，如图。

聚合函数：

axis=0：求每一列的最大值，axis=1反之。

布尔型数组：

数组内部同样支持储存布尔类型数据，且支持整体判断与单对单的判断。

np.flipud() 反转数组

True与False数量的查询

注：np.random.normal(均值，标准差，元素个数)

布尔型数组作为掩码

即一种使用布尔类型数据作为索引，取出数组内数据的方法。

基于元素自身特征的查询