NumPy学习笔记（一）_tanzy666的-CSDN博客

名称	功能
prod()	返回指定轴上的数组元素的乘积
sum()	返回指定轴上的数组元素的总和
cumprod()	返回沿给定轴的元素的累计乘积
cumsum()	返回沿给定轴的元素的累计总和
diff()	计算沿指定轴的离散差分
gradient()	返回数组的梯度
cross()	返回两个（数组）向量的叉积
trapz()	使用复合梯度规则沿给定轴积分
mean()	算术平均数

2.线性代数模块

名称	功能
dot()	计算两个数组的点积
vdot()	计算两个向量的点积
inner()	计算两个数组的内积
matmul()	计算两个数组的矩阵积
determinant()	计算数组的行列式
solve()	计算线性矩阵方程
inv()	计算矩阵的乘法逆矩阵

3.常见的随机函数模块

名称	功能
seed()	确定随机数生成器
permutation()	返回一个序列的随机排序或返回一个随机排列的范围
normal()	产生正态分布的样本值
binomial()	产生二项分布的样本值
rand()	返回一组随机值，根据未定维度生成 [ 0, 1）的数据
randn()	返回一个样本，具有标准正态分布
randint(low[, high, size])	返回随机的整数，位于半开区间 [ low, high）
random_integers(low[, high, size])	返回随机的整数，位于闭区间 [ low, high ]
random()	返回随机的浮点数，位于半开区间 [ 0.0, 1.0）
bytes()	返回随机字节

二、使用例子

1.点积和内积

计算两个数组的点积，对于一维数组，它是向量的内积；对于二维数组，其等效于矩阵乘法。

这里计算的点积的计算公式为：

[[ 1 * 10 + 2 * 30, 1 * 20 + 2 * 40 ], [ 3 * 10 + 4 * 30, 3 * 20 + 4 * 40]]

代码如下:

import numpy.matlib
import numpy as np
a = np.array([[1,2],[3,4]])
b = np.array([[10,20],[30,40]])
np.dot(a,b)
print(np.dot(a,b))#两个数组的点积运算

运行结果如下：

[[ 70 100]

[150 220]]

2.随机函数的使用

根据给定维度随机生成 [ 0, 1 )的数据，即包含 0，不包含 1。

代码如下：

import numpy as np
a = np.random.rand(5,2)
print(a)

运行结果如下：

[[0.51499268 0.55125435]

[0.02822255 0.2756882 ]

[0.90557536 0.83852284]

[0.13986003 0.92548228]

[0.6519275 0.23981899]]

3.np.arange( )函数创建数组

4.np.reshape（）函数塑形

使用np.arange( )函数快速创建以下两个数组：第1个是含0-9 数值的数组，第2个是从2开始，200以内，等差值为10的数组。然后再把这第一个数组重塑成2行，把第二个数组重塑成4行。

代码如下：

import numpy as np
a = np.arange(10)   #第1个是含0-9 数值的数组
b = np.arange(2,200,10)  #第2个是从2开始，200以内，等差值为10的数组
x = np.arange(10).reshape(2,5) #reshape是塑形工具（行数，列数）
y = np.arange(2,200,10) .reshape(4,5)
print("第1个数组:", a)
print("第2个数组:", b)
print("第1个数组的变形:\n", x)
print("第2个数组的变形:\n", y)

5.创建全0数组

创建4*4的全0数组，数据类型为float。

import numpy as np
a0 = np.zeros([4,4], dtype=float) #创建4*4的全0数组，数据类型为float
#print(a0)

6.数组交换元素

将数组中第1行第1列元素赋值3，第2行第2列元素赋值6，第3行第3列元素赋值9，第4行第4列元素赋值12。对这个数组交换第1行和第2行，交换第1列和第2列。

代码如下：

#将数组中第1行第1列元素赋值3，第2行第2列元素赋值6，第3行第3列元素赋值9，第4行第4列元素赋值12
a0[0][0]=3
a0[1][1]=6
a0[2][2]=9
a0[3][3]=12
print("将数组中第1行第1列元素赋值3，第2行第2列元素赋值6，第3行第3列元素赋值9，第4行第4列元素赋值12:")
#a0

#对这个数组交换第1行和第2行
a0[[0,1]] = a0[[1,0]]

#对这个数组交换第1列和第2列
a0[ :,[0,1]] = a0[ :,[1,0]]

6.数组间的四则计算

创建一个维数为5*5，数值取值范围是 [0,1)的随机数组；创建一个维数为5*5，数值服从正态分布的随机数组；对创建的两个数组进行四则运算。

代码如下：

import numpy as np
d = np.random.random(55)      #创建一个维数为5*5，数值取值范围是 [0,1)的随机数组
#print(d)

f = np.random.randn(55)       #创建一个维数为5*5，数值服从正态分布的随机数组
#print(f)

#两个数组的加法运算：
print(d + f)

#两个数组的减法运算：
print(d - f)

#两个数组的乘法运算：
print(d * f)

#两个数组的除法运算：
print(d / f)

7.数组求和

一个数组为[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]。第二个数组为相同维度，范围0到60，步长为5，对第二个数组进行求和，输出三种求和：全部求和、按行求和、按列求和。

#创建一个数组A为[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
A = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])

#第二个数组B为相同维度，范围0到60，步长为5
B = np.arange(0,60,5).reshape(4,3)

7.1全部求和

#第二个数组全部求和：
print(np.sum(B))

7.2按行求和

#第二个数组按行求和：
value = np.sum(B, axis=1)
print(value)

7.3按列求和

#第二个数组按列求和：
value = np.sum(B, axis=0)
print(value)

8.矩阵合并

构造4*4的全1矩阵和单位矩阵，将两个数组垂直（按列）合并；将两个数组水平（按行）合并

import numpy as np
a1 = np.ones([4,4]).reshape(4, 4)       #构造4*4的全1矩阵
e = np.eye(4).reshape(4, 4)             #构造4*4的单位矩阵

8.1垂直（按列）合并

value1 = np.concatenate((a1, e), axis=1)
print(value1)

8.2水平（按行）合并

value1 = np.concatenate((a1, e), axis=0)
print(value1)

总结

以上就是今天要讲的内容，本文仅仅简单介绍了numpy的部分使用，而numpy提供了大量能使我们快速便捷地处理数据的函数和方法。

有不对的地方欢迎各位大神指正。