numpy

numpy是Python用于矩阵计算的模块，下面对numpy作详细介绍：

一、创建

import numpy as np 

# 用列表对象作参数
a = np.array([1,2,3,4,5])

# 创建多维的narray对象
a2 = np.array([[1,2,3,4,5],[6,7,8,9,10]])

# arange函数
a = np.arange(10)       # 默认从0开始到10（不包括10），步长为1
print(a)                # 返回 [0 1 2 3 4 5 6 7 8 9]

a1 = np.arange(5,10)    # 从5开始到10（不包括10），步长为1
print(a1)               # 返回 [5 6 7 8 9]

a2 = np.arange(5,20,2)  # 从5开始到20（不包括20），步长为2
print(a2)               # 返回 [ 5  7  9 11 13 15 17 19]


# linspace()和matlab的linspace很类似，用于创建指定数量等间隔的序列，实际生成一个等差数列。
# 生成首位是0，末位是10，含7个数的等差数列
a = np.linspace(0,10,7) 

# linspace用于生成等差数列，而logspace用于生成等比数列。
a = np.logspace(0,4,5)
print(a)

[  1.00000000e+00   1.00000000e+01   1.00000000e+02   1.00000000e+03
   1.00000000e+04]

# 创建3*4的全1矩阵
a_ones = np.ones((3,4))         
print(a_ones)

[[ 1.  1.  1.  1.]
 [ 1.  1.  1.  1.]
 [ 1.  1.  1.  1.]]

a_zeros = np.zeros((3,4))       
print(a_zeros)

[[ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]]

# 创建3阶单位矩阵
a_eye = np.eye(3)               
print(a_eye)

[ 1.  0.  0.]
 [ 0.  1.  0.]
 [ 0.  0.  1.]]

a_empty = np.empty((3,4))       # 创建3*4的空矩阵 
print(a_empty)

二、访问

# 获取二维矩阵的行列数
a = np.array([[1,2,3,4,5],[6,7,8,9,10]])

print(a.shape)          # 结果返回一个tuple元组 (2, 5)
print(a.shape[0])       # 获得行数，返回 2
print(a.shape[1])       # 获得列数，返回 5


print（a[::-1]）    # 行逆置
print(a[0:1])       # 返回 [[1，2，3，4，5]]
print(a[1,2:5])     # 返回 [8，9，10]

print(a[1,:])       # 截取第二行,返回 [ 6，7，8，9，10]
print(a[1:,2:])     # 截取第一行之后，第2列之后内容，返回[8,9,10]


# 按条件获取

a = np.array([[1,2,3,4,5],[6,7,8,9,10]])
b = a[a>6]      # 截取矩阵a中大于6的元素，返回的是一维数组
print(b)        # 返回 [ 7  8  9 10]
print(a[a<3]=0)

# 首先生成一个布尔矩阵，将布尔矩阵传入[]（方括号）实现截取
print(a>6) 

# 返回
[[False False False False False]
 [False  True  True  True  True]]

三、矩阵合并

a1 = np.array([[1,2],[3,4]])
a2 = np.array([[5,6],[7,8]])
# 注意! 参数传入时要以列表list或元组tuple的形式传入

print(np.hstack([a1,a2])) 
[[1 2 5 6] [3 4 7 8]]

print(np.vstack((a1,a2)))
[[1 2] [3 4] [5 6] [7 8]]

# 矩阵的合并也可以通过concatenatef方法。np.concatenate( (a1,a2), axis=0 ) 等价于 np.vstack( (a1,a2) )
# np.concatenate( (a1,a2), axis=1 )等价于 np.hstack( (a1,a2) )

四、fromstring和fromfunction

# fromstring()方法可以将字符串转化成ndarray对象,可以获得字符串的ascii码序列
a = "abcdef"
b = np.fromstring(a,dtype=np.int8)      # 因为一个字符为8为，所以指定dtype为np.int8
print(b)                                # 返回 [ 97  98  99 100 101 102]


# fromfunction()方法可以根据矩阵的行号列号生成矩阵的元素。例如创建一个矩阵，矩阵中的每个元素都为行号和列号的和。
def func(i,j): 
    return i+j
a = np.fromfunction(func,(5,6))     # 第一个参数为指定函数，第二个参数为列表list或元组tuple,说明矩阵的大小
print(a)

[[ 0.  1.  2.  3.  4.  5.]
 [ 1.  2.  3.  4.  5.  6.]
 [ 2.  3.  4.  5.  6.  7.]
 [ 3.  4.  5.  6.  7.  8.]
 [ 4.  5.  6.  7.  8.  9.]]

五、矩阵的运算

    np.sin(a) 对矩阵a中每个元素取正弦,sin(x)
    np.cos(a) 对矩阵a中每个元素取余弦,cos(x)
    np.tan(a) 对矩阵a中每个元素取正切,tan(x)
    np.arcsin(a) 对矩阵a中每个元素取反正弦,arcsin(x)
    np.arccos(a) 对矩阵a中每个元素取反余弦,arccos(x)
    np.arctan(a) 对矩阵a中每个元素取反正切,arctan(x)
    np.exp(a) 对矩阵a中每个元素取指数函数,ex
    np.sqrt(a) 对矩阵a中每个元素开根号

# 矩阵乘法 np.dot()
a1 = np.array([[1,2,3],[4,5,6]])        # a1为2*3矩阵
a2 = np.array([[1,2],[3,4],[5,6]])      # a2为3*2矩阵

if a1.shape[1]==a2.shape[0]):     # True, 满足矩阵乘法条件
  print(a1.dot(a2)) 
  print(np.dot(a1,a2))


# 矩阵转置
a = np.array([[1,2,3],[4,5,6]])

print(a.transpose())

print(a.T)

[[1 4] [2 5] [3 6]]


# 用linalg的inv函数来求逆，条件是矩阵的行数和列数相同
import numpy as np
import numpy.linalg as lg

a = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(lg.inv(a))

[[ -4.50359963e+15   9.00719925e+15  -4.50359963e+15]
 [  9.00719925e+15  -1.80143985e+16   9.00719925e+15]
 [ -4.50359963e+15   9.00719925e+15  -4.50359963e+15]]

a = np.eye(3)               # 3阶单位矩阵
print(lg.inv(a))            # 单位矩阵的逆为他本身

[[ 1.  0.  0.]
 [ 0.  1.  0.]
 [ 0.  0.  1.]]

六、其它计算

二维数组转一维
a.ravel()

# 求最大最小值max，min
a = np.array([[1,2,3],[4,5,6]])
print(a.max())              # 获取整个矩阵的最大值 结果： 6
print(a.min())              # 结果：1

# 可以指定关键字参数axis来获得行最大（小）值或列最大（小）值
print(a.max(axis=0))
[4 5 6]

print(a.max(axis=1))
[3 6]

# 要想获得最大最小值元素所在的位置，可以通过argmax函数来获得
print(a.argmax(axis=1))
[2 2]


# 平均值mean（），方差var（），标准差std（）
print(a.mean())             
print(a.mean(axis=0))      
print(a.mean(axis=1))      

print(a.var())             
print(a.var(axis=0))        
print(a.var(axis=1))        

print(a.std())             
print(a.std(axis=0))       
print(a.std(axis=1))       


# 中值median（），是将序列按大小顺序排列后，排在中间的那个值，如果有偶数个数，则是排在中间两个数的平均值
# 中值的函数是median()，调用方法为 numpy.median(x,[axis])，axis可指定轴方向，默认axis=None，对所有数去中值

x = np.array([[1,2,3],[4,5,6]])

print(np.median(x))         # 对所有数取中值
3.5

print(np.median(x,axis=0))  # 沿第一维方向取中值
[ 2.5  3.5  4.5]

print(np.median(x,axis=1))  # 沿第二维方向取中值
[ 2.  5.]


# 求和sum（）和累积和cumsum（）

print(a.sum())       
print(a.sum(axis=0))
print(a.sum(axis=1))


# 某位置累积和指的是该位置之前(包括该位置)所有元素的和

a = np.array([[1,2,3],[4,5,6]])

print(a.cumsum()) 
[ 1  3  6 10 15 21]

print(a.cumsum(axis=0))         # 对行方向求累积和
[[1 2 3]
 [5 7 9]]

print(a.cumsum(axis=1))         # 对列方向求累积和
[[ 1  3  6]
 [ 4  9 15]]