Numpy学习笔记

矩阵操作库（Nuumpy）

一.数据结构

numpy.genfromtxt():打开txt文件（不重要）

常用参数delimiter:分隔符

dtype

 

 

numpy.array([list]):

传入list转换成ndarray（最核心）格式

有几个[ ]就有几个维度。

 

 

numpy.array([list]).shape:

查看维度（几行几列）

注意：向ndarray里面传入的list数据必须统一type（数据类型）则会自动统一。

技巧:向量切片与list相同

矩阵切片

[:,2]:所有行第二列

[:,0:2]:所有行第零列到第二列，包括零不包括二。

[1:3,0:2]:一到三行，包括一不包括三，零到二列，包括零不包括二。

小结：逗号前面是行，后面是列，取所有行或列用冒号占位。

-----------

二.基本操作

判断操作:  ==

判断向量或者矩阵中每一个元素是否等于右值。

判断结果是原形式的布尔值，可以用True或False作为索引值求得该右值。

与，或操作

与：前后都为真才为真。

或：前后都为假才为假。

 

 

数据类型转换

numpy.arrary([list]).astype(数据类型)

 

最大最小值

numpy.array([list]).min()

 

求和操作

numpy.array([list]).sum(axis = 1或0)

axis=1 按行求和

axis=0 按列求和

 

----------

三.矩阵属性

np.arrange(个数).reshape几行，几列)

np.arrange(起始值,终点值，每一次加几)

 

技巧：用打印每一行的shape来进行debug

 

矩阵.ndim：查矩阵维度

.size :矩阵元素个数

.dtype.name :查看数据类型

 

----------

四.矩阵操作

初始化：

np.zeros((几行，几列))

默认数据类型为float

np.ones((几行，几列),dtype = np.int32)# 转换成int型

注意：dtype 要传np.int32 而不是int32 因为要转换成np支持的ndarray格式

 

随机模块：

np.random.random((几行，几列))

构造随机初始化矩阵值域[-1,1]。

np.linspace(起始值，终点值，求值个数)

按求值个数在区间内平均取值。

 

矩阵减法：

相同维度的矩阵相减，对应位置元素相减。

矩阵减数值，每一个元素都减那个数值

乘方操作也如此.

矩阵乘法:

*代表内积,对应位置相乘

A.dot(B) 或np.dot(A,B)    行乘以列相加作为元素

---------

五.常用函数

np.exp(b)  求r的几次幂

np.sqrt()  求根号

np.floor()  向下取整

矩阵.ravel() 矩阵拉长(降维)

矩阵.T 转置

矩阵.vstack(a,b) 拼接a,b样本()#竖直拼接,按列拼接

矩阵.hstack(a,b)  水平拼接,按行拼接

np.hsplit(矩阵,切几份)  按列平均切分

np.hsplit(矩阵,(第一刀位置,第二刀位置))  在具体位置切

np.vsplit()  按行切

 

= 完全复制  id值也相同，指向同一个东西

浅复制（不推荐）

矩阵.view()

复制后id不同，但共用一组数据。

矩阵.copy()

一个变量成为另一个变量的初始值，修改一个另一个不会改变，自己做自己的事情。

矩阵.argmax() 最大值 的index值axis = 0按列  =1 按行

np.tile(矩阵，（行几倍，列几倍）)

将行和列复制成原来的n倍

矩阵.sort(axis = 1)  从小到大排序

np.argsort()  按索引值进行排序