Python numpy基础

目录

1. Numpy基本操作

1.1 列表转为矩阵：array是numpy中最基础的对象
1.2 维度：array.ndim
1.3 行数和列数()：array.shape
1.4 元素个数：array.size

2. Numpy创建array

2.1 一维array创建

import numpy as np
a = np.array([2,23,4], dtype=np.int32)

2.2 多维array创建

a = np.array([[2,3,4],
              [3,4,5]])

2.3 创建全零数组：np.zeros((a,b))
2.4 创建全1数据：np.ones((a,b))
2.5 创建全空数组：np.empty((a,b))
2.6 创建连续数组：np.arange
2.7 reshape操作：b = a.reshape((2,3))
2.8 创建连续型数据

a = np.linspace(1,10,20) # 开始端1，结束端10，且分割成20个数据，生成线段

2.9 linspace的reshape操作：linspace也可以reshape

3. Numpy基本运算

3.1 一维矩阵运算

import numpy as np
a = np.array([10,20,30,40])
b = np.arange(4)
c = a - b # 矩阵对应元素相减，结果是[10 19 28 37]
c = a*b # 矩阵对应元素相乘，结果是[  0  20  60 120]
c = a.dot(b) # 向量点积运算，结果是200
c = b**2 # 每个元素平方，结果是[0 1 4 9]
c = np.sin(a) # 套用数学函数（元素层面）
print(b<2) # 元素的bool数组，结果是[ True  True False False]

a = np.array([1,1,4,3])
b = np.arange(4)
print(a==b) # 元素比较，同理。结果是[False  True False  True]

3.2 多维矩阵运算

a = np.array([[1,1],[0,1]])
b = np.arange(4).reshape((2,2))
c = a.dot(b) #矩阵乘法
c = np.dot(a,b) #另一种等价形式。多维矩阵乘法不能直接使用'*'号
np.sum(a) #元素之和
np.min(a) 
np.max(a)
"""
如果需要对行或者列进行查找运算，
就需要在上述代码中为 axis 进行赋值。
当axis的值为0的时候，将会以列作为查找单元，
当axis的值为1的时候，将会以行作为查找单元。
"""

3.3 基本计算

import numpy as np
A = np.arange(2,14).reshape((3,4))
print(np.argmin(A)) # 最小元素的索引，结果0
print(np.argmax(A)) # 最大元素的索引，结果11
print(np.mean(A)) # 整个矩阵元素的均值，结果7.5
print(np.average(A)) # 7.5
print(A.mean()) # 7.5
print(np.median(A)) # 中位数，结果7.5
print(np.cumsum(A)) # 累加

有几个有意思的运算，首先是累差和非0元素的位置返回

# 累差运算
B = np.array(