numpy的安装:
可以通过pip install numpy进行安装,如果安装超时可以通过国内镜像安装:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy
numpy的使用:
import numpy as np
#dtype定义数组的类型
array=np.array([[[1,2,3],[4,5,6],[7,8,9]],[[1,2,3],[4,5,6],[7,8,9]]],dtype=np.float)
#array的类型
print(type(array))
print('='*30)
#shape属性显示是形状
print(array.shape)
print('='*30)
#ndim属性显示矩阵的维度
print(array.ndim)
print('='*30)
#size显示大小
print(array.size)
print('='*30)
print(array)
print('='*30)
print(array.dtype)
print('='*30)
#定义一个三行四列全部为零的矩阵,矩阵的形状参数要用括号括起来,同时可以定义矩阵的类型
a=np.zeros((3,4),dtype=np.int64)
print(a)
print('='*30)
#定义一个三行四列全部为一的矩阵
b=np.ones((3,4),dtype=np.int32)
print(b)
print('='*30)
#生成一个有序的数列
c=np.arange(10,20,2)
print(c)
print('='*30)
#将生成的数列变成矩阵,形状参数要放在括号内
d=np.arange(12).reshape((3,4))
print(d)
print('='*30)
#生成线段
e=np.linspace(1,10,5)
print(e)
输出结果:
<class 'numpy.ndarray'>
==============================
(2, 3, 3)
==============================
3
==============================
18
==============================
[[[1. 2. 3.]
[4. 5. 6.]
[7. 8. 9.]]
[[1. 2. 3.]
[4. 5. 6.]
[7. 8. 9.]]]
==============================
float64
==============================
[[0 0 0 0]
[0 0 0 0]
[0 0 0 0]]
==============================
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
==============================
[10 12 14 16 18]
==============================
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
==============================
[ 1. 3.25 5.5 7.75 10. ]
numpy处理矩阵运算(对应位置运算):
import numpy as np
#矩阵加法,对应位置相加
a=np.array([10,20,30,40,50])
b=np.arange(1,6)
c=a+b
print(c)
#矩阵减法,对应位置相减
d=a-b
print(d)
#矩阵乘法,对应位置相乘
e=a*b
print(e)
#矩阵除法,对应位置相除
f=a/b
print(f)
#对应位置平方
g=b**2
print(g)
#对应位置求三角函数
h=np.sin(a) #也可以是cos或tan
print(h)
运算结果:
[11 22 33 44 55]
[ 9 18 27 36 45]
[ 10 40 90 160 250]
[10. 10. 10. 10. 10.]
[ 1 4 9 16 25]
[-0.54402111 0.91294525 -0.98803162 0.74511316 -0.26237485]
numpy处理矩阵乘法(真正的矩阵运算–dot()方法):
import numpy as np
a=np.array([[1,2],[3,4]])
b=np.ones((2,2),dtype=np.int)
c=np.dot(a,b)
d=a.dot(b)
print('a:\n',a)
print('b:\n',b)
print('c:\n',c)
print('d:\n',d)
运行结果:
a:
[[1 2]
[3 4]]
b:
[[1 1]
[1 1]]
c:
[[3 3]
[7 7]]
d:
[[3 3]
[7 7]]