numpy入门

创建矩阵

array()函数

import numpy as np
a = np.array([[1,2,3],
             [2,3,4]])
print(a)

运行结果为：
[[1 2 3]
 [2 3 4]]

创建全0矩阵

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

运行结果为：
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]

创建全1矩阵

c = np.ones((3,4))
print(c)

运行结果为：
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]

创建空矩阵

d = np.empty((3,4))
print(d)

运行结果为：
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]

创建等差矩阵

e = np.arange(10,20,2)
print(e)

运行结果为：
[10 12 14 16 18]

f = np.arange(12).reshape((3,4))
print(f)

运行结果为：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

linspace() 创建线性矩阵

g = np.linspace(1,10,5)
print(g)

运行结果为：
[ 1.    3.25  5.5   7.75 10.  ]

创建随机矩阵

# 生成长度为5，在[0,1)之间平均分布的随机矩阵
h = np.random.random(size=5) 或 h = np.random.random((5,))
print(h)

运行结果为：
[0.41531148 0.53401601 0.7455592  0.69346509 0.03288469]

矩阵的算术运算

position-wise（大小相同矩阵）

broadcast（大小相同矩阵）

dot()方法（点积的矩阵乘法）

矩阵的切片和聚合

矩阵的切片操作

矩阵的聚合

还可以使用axis参数指定行和列的聚合：

矩阵的转置和重构

矩阵的转置

矩阵的重构

传入参数时，也可以传入-1，系统会自动判断维度。

import numpy as np
a = np.array([[1,2,3,4,5,6]]).reshape(2,-1)
print(a)

运行结果为：
[[1 2 3]
 [4 5 6]]

n维矩阵（ndarray）

很多时候，改变维度只需要在numpy的函数中加一个逗号：

矩阵的合并

上下合并（vertical stack）

import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])
print(np.vstack((a,b)))

运行结果为：
[[1 2 3]
 [4 5 6]]

左右合并（horizontal stack）

import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])
print(np.hstack((a,b)))

运行结果为：
[1 2 3 4 5 6]

将序列变为有维度的矩阵

利用[:,np.newaxis]或[np.newaxis,:]

import numpy as np
a = np.array([1,2,3])
print(a)
a = np.array([1,2,3])[:,np.newaxis]
print(a)
a = np.array([1,2,3])[np.newaxis,:]
print(a)

运行结果为：
[1 2 3]
[[1]
 [2]
 [3]]
[[1 2 3]]

多个数组的合并（concatenate）

import numpy as np
a = np.array([1,1,1])[:,np.newaxis]
print(a)
b = np.array([2,2,2])[:,np.newaxis]
print(b)
c = np.concatenate((a,b,b,a),axis=1)
print(c)

运行结果为：
[[1]
 [1]
 [1]]
[[2]
 [2]
 [2]]
[[1 2 2 1]
 [1 2 2 1]
 [1 2 2 1]]

矩阵的分割

等份分割（split）

import numpy as np
a = np.arange(12).reshape(3,4)
print(a)
print(np.split(a,2,axis=1))

运行结果为：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[array([[0, 1],
       [4, 5],
       [8, 9]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11]])]

不等份分割（array_split）

import numpy as np
a = np.arange(12).reshape(3,4)
print(a)
print(np.array_split(a,3,axis=1))

运行结果为：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[array([[0, 1],
       [4, 5],
       [8, 9]]), array([[ 2],
       [ 6],
       [10]]), array([[ 3],
       [ 7],
       [11]])]

vsplit和hsplit方法

import numpy as np
a = np.arange(12).reshape(3,4)
print(a)
print(np.vsplit(a,3))
print(np.hsplit(a,2))

运行结果为：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,  9, 10, 11]])]
[array([[0, 1],
       [4, 5],
       [8, 9]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11]])]

矩阵的复制

a = b（关联地址）

import numpy as np
a = np.arange(4)
print(a)
b = a
b[0] = 100
print(b)
print(a)

运行结果为：
[0 1 2 3]
[100   1   2   3]
[100   1   2   3]

深度复制（只取数据 不关联地址）

采用copy()函数

import numpy as np
a = np.arange(4)
print(a)
b = a.copy()
b[0] = 100
print(b)
print(a)

运行结果为：
[0 1 2 3]
[100   1   2   3]
[0 1 2 3]