【深度学习学习笔记】1.numpy操作

1.导入numoy包

import numpy as np
import matplotlib.pyplot as plt

2.建立一个一维数组 a 初始化为[4,5,6],
(1)输出a 的类型（type）
(2)输出a的各维度的大小（shape）
(3)输出 a的第一个元素（值为4）

a = np.array([4, 5, 6])
print(type(a))
print(a.shape)
print(a[0])

<class ‘numpy.ndarray’>
(3,)
4

3.建立一个二维数组 b,初始化为 [ [4, 5, 6],[1, 2, 3]]
(1)输出各维度的大小（shape）
(2)输出 b(0,0)，b(0,1),b(1,1) 这三个元素（对应值分别为4,5,2）

b = np.array([[4, 5, 6],
              [1, 2, 3]])
print(b.shape)
print(b[0, 0], b[0, 1], b[1, 1])

4.(1)建立一个全0矩阵 a, 大小为 3x3; 类型为整型（提示: dtype = int）
(2)建立一个全1矩阵b,大小为4x5;
(3)建立一个单位矩阵c ,大小为4x4;
(4)生成一个随机数矩阵d,大小为 3x2

a = np.zeros((3, 3), int)
print(a, a.dtype)
b = np.ones((4, 5))
print(b)
c = np.identity(4)
print(c)
# d = np.matlib.rand((3, 2))
d = np.random.randint(1, 10, dtype=int, size=(3, 2))
print(d)

5.建立一个数组a,
(值为[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]),
(1)打印a;
(2)输出下标为(2, 3), (0, 0)这两个数组元素的值

a = np.array([[1, 2, 3, 4],
              [5, 6, 7, 8],
              [9, 10, 11, 12]])
print(a)
print(a[2, 3], a[0, 0])

6.把上一题的 a数组的0到1行 2到3列，放到b里面去
（此处不需要从新建立a, 直接调用即可）
(1), 输出b;
(2)输出b的（0, 0）这个元素的值

b = a[0:2, 2:]
print(b)
print(b[0, 0])

7. 把第5题中数组a的最后两行所有元素放到 c中，
   （提示： a[1:2, :]）
   (1)输出 c ;
   (2) 输出 c 中第一行的最后一个元素（提示，使用 -1示最后一个元素）"

c = a[1:, :]
print(c)
print(c[1, -1])

8.建立数组a,初始化a为[[1, 2], [3, 4], [5, 6]]，
输出 （0,0）（1,1）（2,0）这三个元素

提示： 使用 print(a[[0, 1, 2], [0, 1, 0]])

太溜了……前面括号是行数，后面括号是列数,返回一个’numpy.ndarray’

a = np.array([[1, 2],
              [3, 4],
              [5, 6]])
print(a[0, 0], a[1, 1], a[2, 0])
print(a[[0, 1, 2], [0, 1, 0]])  

1 4 5
[1 4 5]

9.建立矩阵a ,
初始化为[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]，
输出(0,0),(1,2),(2,0),(3,1)
(提示使用 b = np.array([0, 2, 0, 1]) print(a[np.arange(4), b]))

a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9],
              [10, 11, 12]])
print(a[[0, 1, 2, 3], [0, 2, 0, 1]])
b = [0, 2, 0, 1]
print(a[np.arange(4), b])   # arrange(start,end,dtype)生成有规律的递增的矩阵

[ 1 6 7 11]
[ 1 6 7 11]

10.对9 中输出的那四个元素，每个都加上10，然后重新输出矩阵a.
(提示： a[np.arange(4), b] += 10 ）"

a[np.arange(4), b] += 10
print(a)

11.执行 x = np.array([1, 2])，然后输出 x 的数据类型

x = np.array([1, 2])
print(x.dtype)

int32

12.执行 x = np.array([1.0, 2.0]) ，然后输出 x 的数据类类型"

x = np.array([1.0, 2.0])
print(x.dtype)

float64

13.执行 x = np.array([[1, 2], [3, 4]], dtype=np.float64) ，
y = np.array([[5, 6], [7, 8]], dtype=np.float64)，
然后输出 x+y ,和 np.add(x,y)"

x = np.array([[1, 2],
              [3, 4]],
             dtype=np.float64)
y = np.array([[5, 6],
              [7, 8]],
             dtype=np.float64)
print(x+y)
print(np.add(x, y))

14 利用 13题目中的x,y 输出 x-y 和 np.subtract(x,y)"

print(x - y)
print(np.subtract(x, y))

15. 利用13题目中的x，y 输出 x*y ,和 np.multiply(x, y)，还有 np.dot(x,y)。比较差异。然后自己换一个不是方阵的试试。

print(x * y)
print(np.multiply(x, y))
print(np.dot(x, y))

[[ 5. 12.]
[21. 32.]]
[[ 5. 12.]
[21. 32.]]
[[19. 22.]
[43. 50.]]

16. 利用13题目中的x,y,输出 x / y .
    (提示 ： 使用函数 np.divide())"

print(x / y)
print(np.divide(x, y))

17. 利用13题目中的x,输出 x的 开方
    (提示： 使用函数 np.sqrt()

print(np.sqrt(x))

18.利用13题目中的x,y ,
执行 print(x.dot(y))
和 print(np.dot(x,y))"

print(x.dot(y))
print(np.dot(x, y))

[[19. 22.]
[43. 50.]]
[[19. 22.]
[43. 50.]]

19.利用13题目中的 x,进行求和。
提示：输出三种求和
(1)print(np.sum(x)):
(2)print(np.sum(x，axis =0 )); 把行合并，就是每一列求和
(3)print(np.sum(x,axis = 1))" 把列合并，就是每一行求和

print(np.sum(x))
print(np.sum(x, axis=0))    # 列求和
print(np.sum(x, axis=1))    # 行求和

10.0
[4. 6.]
[3. 7.]

20.利用13题目中的 x,进行求平均数（
提示：输出三种平均数
(1)print(np.mean(x))
(2)print(np.mean(x,axis = 0))
(3) print(np.mean(x,axis =1))）"

print(np.mean(x))
print(np.mean(x, axis=0))
print(np.mean(x, axis=1))

2.5
[2. 3.]
[1.5 3.5]

21.利用13题目中的x，对x 进行矩阵转置，然后输出转置后的结果，
（提示： x.T 表示对 x 的转置）"

print(x.T)

22.利用13题目中的x,求e的指数（提示： 函数 np.exp()）"

print(np.exp(x))

23.利用13题目中的 x,求值最大的下标（提示
(1)print(np.argmax(x)) ,
(2) print(np.argmax(x, axis =0))
(3)print(np.argmax(x),axis =1))"

print(np.argmax(x))
print(np.argmax(x, axis=0))
print(np.argmax(x, axis=1))

3
[1 1]
[1 1]

24,画图，y=x*x 其中 x = np.arange(0, 100, 0.1)
（提示这里用到 matplotlib.pyplot 库

x = np.arange(0, 100, 0.1)
y = x*x
plt.plot(x, y)
plt.show()

25.画图。画正弦函数和余弦函数，
x = np.arange(0, 3 * np.pi, 0.1)
(提示：这里用到 np.sin() np.cos()函数和 matplotlib.pyplot库)"

x = np.arange(0, 3 * np.pi, 0.1)
y = np.sin(x)
z = np.cos(x)
plt.plot(x, y)
plt.plot(x, z)
plt.show()

26执行下面的语句，解释运算结果，了解 nan 和 inf 的含义

print(np.nan)   # np.nan是一个float类型的数据 None是一个NoneType类型
print(np.nan == np.nan)
print(np.inf > np.nan)  # np.inf 是无穷大
print(np.nan - np.nan)
print(0.3 == 3*0.1)    # 有些浮点数不能完全精确的表示出来，0.3=0.30000000000000004

nan
False
False
nan
False

27.矩阵拼接 np.concatenate

a = np.array([[1, 2, 3],
              [4, 5, 6]])
b = np.array([[11, 21, 31],
              [7, 8, 9]])
ab = np.concatenate((a, b))     # 列拼接
print(ab)
ab = np.concatenate((a, b), axis=1)     # 行拼接
print(ab)

[[ 1 2 3]
[ 4 5 6]
[11 21 31]
[ 7 8 9]]
[[ 1 2 3 11 21 31]
[ 4 5 6 7 8 9]]