Python nump学习笔记3

reshape是numpy中的一个关键使用，通过reshape可以实现将array属性转换
比如
vector=numpy.arange(9)
此时vector中存放的数据类型应该为一维向量
[0,1,2,3,4,5,6,7,8]
matrix=vector.reshape(3,3)
第一个3表示3行，第二个3表示三列
那么此时就可以将一维向量转换成为矩阵类型
print(matrix)
array([0,1,2],[3,4,5],[6,7,8])
matrix.shape
此时的输出应该为(3,3)

查看矩阵的维度
通过ndim我们可以查看矩阵的维度
比如某个矩阵的维度是[4,5,8]
那么这个矩阵的维度就是三维的
同理，当我们输出matrix.ndim
此时得到的应该是2

查找array中对应的属性
print(matrix.dtype.name)
意思就是输出这个矩阵是由什么样的数据构成的
那么输出应该为‘int32’

查看矩阵中有多少个元素
a=print(matrix.size)
那么此时a变量对应的数值应该为9

矩阵的初始化
matrix=numpy.zeros((2,2)) #注意此时的zeros函数中传入的应该是一个元组格式
那么这时候对应的matrix变量中存储的就应该是
([0.,0.],[0.,0.])
numpy中默认存储的格式为float型数据
那么要想将numpy中的格式变成我们所想要的，就应该要在初始化函数的后面制定上我们所想要的类型
比如
matrix=numpy.ones((2,2),np.int32)
那么这是后numpy变量中存储的就是int型的数据了
([1,1],[1,1])
在这边需要注意的是我们需要在int32前面加上一个numpy.

numpy中range的用法
range()可以是一个形参也可以是三个形参
当只有一个形参的时候表4示从0到多少的数组
如matrix=numpy.arange(15)
那么此时matrix中存储的就应该是
array([0,1,2,3,4,5,6,7,8,9,10,11,12,13,14])
当时三个参数的时候，第一个参数表示起始值，第二个参数表示终点值，第三个参数表示的是跳转的数字
比如
matrix=numpy.arange(0,25,5)
那么此时matrix变量中存储就应该是一维向量
array([0,5,10,15,20])
其中并不包含25

random模块中的random()是比较常用的一种函数
如果想要构造一个权重矩阵
matrix=numpy.random.random((2,3))
那么此时numpy将会构造一个二行三列的权重矩阵，其中的每个元素的值都是处于-1~1之间的

确认起始值和终点值确定要找多少个数的时候我们可以用linspace()函数
如matrix=numpy.linspace(0,6.28,100)
那么此时的matrix的内容可能是

起始值为0，终点值是6.28，从中平均抽取100个数据进行存放
numpy.sin()与林space一样，差别在于抽取的方式不同

求内积的操作
A=numpy.array([1,1],
[0,1])
B=numpy.array([2,0],
[3,4])
那么此时C=A+B则可以得到
([3,1],
[3,5])
那么如果我此时C=A*B
那么就是对应的内积操作了
也就是对应的矩阵的各个元素对应的乘积
([2,0],
[0,4])
同时numpy还可以对矩阵进行相关的矩阵的相乘操作
比如A.dot(B)
或者numpy.dot(A,B)
那么此时得到的矩阵为
array([5,4],
[3,4])