NumPy科学计算库

目录

多维数组

创建NumPy数组

数组运算

数据元素的切片

改变数组的形状

数组运算

矩阵和随机数

创建矩阵

矩阵运算

随机数模块

---

多维数组

数组的形状（Shape）：是一个元组，用来描述数组的维度，以及各个维度内部的元素个数。

• shape:(30,5) 表示第一个维度中有30个元素，第二个维度中有5个元素，即30行5列
• shape:(5, ) 表示只有一个维度，该维度有5个元素
• shape:(10,30,5) 表示一个三维数组

创建NumPy数组

使用NumPy科学计算库（Anaconda已安装好）

• pip安装：pip install numpy
• 导入NumPy库：import numpy as np

创建数组

• array([列表]/(元组)，dtype=数据类型)
• asarray([列表]/(元组)

区别：当数据源本身已经是一个ndarray对象时，array()仍然会复制出一个副本，asarray()则直接引用本来的数组

注意：numpy要求数组中所有元素的数据类型必须是一致的

数组的属性

ndim	数组的维数
shape	数组的形状
size	数组元素的个数
dtype	数组中元素的数据类型
itemsize	数组中每个元素的字节数

创建特殊的数组

np.arange(start,stop，步长，dtype=数据类型)	创建数字序列数组(前闭后开，步长默认1，起始默认0)
np.ones(shape,dtype=数据类型)	创建全1数组
np.zeros(shape,dtype=数据类型)	创建全0数组
np.eye(shape,dtype=数据类型)	创建单位矩阵
np.linspace(start,stop,num)	创建等差数列(前闭右闭)
np.logspace(start,stop,num,base)	创建等比数列

数组运算

数据元素的切片

用，隔开各个维度的切割，与python相似

改变数组的形状

• np.reshape(shape):不改变当前数组，按照shape创建新的数组。shape为-1时，会根据数组中总个数、以及其它维度的取值，来自动计算这个维度的取值
• np.resize(shape):改变当前数组，按照shape创建数组

数组运算

• 一维数组可以和多维数组相加，相加时会将一维数组扩展至多维
• 数组之间的减法、乘法、除法运算，和加法运算规则相同
• 幂运算：对数组中的每个元素求n次方

• 乘法运算符：矩阵中对应的元素分别相乘
• 矩阵相乘：np.matmul()或np.dot()
• 矩阵转置：np.transpose()
• 矩阵求逆：np.linalg.inv()
• np.sum(A):计算数组A中所有元素的和      
• np.sum(A,axis)        轴(axis)：数组中每一个维度被称为一个轴   秩(rank)：轴的个数

• np.prod(A):计算数组A中所有元素的乘积
• np.diff():计算数组相邻元素间的差
• np.sqrt():计算各元素的平方根
• np.exp():计算各元素的指数值
• np.abs():取各元素的绝对值
• np.stack((数组1，数组2，...),axis)

矩阵和随机数

创建矩阵

• numpy.matrix(字符串/列表/元组/数组)
• numpy.mat(字符串/列表/元组/数组)

矩阵运算

• 矩阵相乘： *
• 矩阵转置：  .T
• 矩阵求逆：  .I   

随机数模块

函数	功能描述	返回值
np.random.rand(d0,d1...dn)	数组在[0,1)区间均匀分布的数组	浮点数
np.random.uniform(low,high,size)	元素在[low,high)区间均匀分布的数组	浮点数
np.random.randint(low,high,size)	元素在[low,high)区间均匀分布的数组	整 数
np.random.randn(d0,d1...dn)	产生标准正态分布的数组	浮点数
np.random.normal(loc,scale,size)	产生均值为loc标准差为scale的正态分布数组	浮点数
np.random.shuffle(序列)	打乱顺序函数

注：如果使用相同的seed()值，则每次生成的随机数都相同；如果采用seed()函数设置随机种子，仅一次有效。