Python学习之Numpy基础（三）

一：常用矩阵的方法和属性

1.向量转矩阵

print(numpy.arange(15))
a = numpy.arange(15).reshape(3,5)
print(a)

打印结果：

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]

 [10 11 12 13 14]]

Tips：reshpe(3， -1)也可以，-1表示默认。多维如reshape（2, 3，-1）。

2.矩阵的维度

print(a.ndim)

打印结果：2

3.矩阵中数据的类型

print(a.dtype.name)

打印结果：int32

4.矩阵的长度

print(a.size)

打印结果：15

二：矩阵的初始化

1.初始化为0

numpy.zeros((行数, 列数))

注意：此处有两个括号

init1 = numpy.zeros((3, 4))
print(init1)

打印结果:

[[ 0.  0.  0.  0.]

 [ 0.  0.  0.  0.]

 [ 0.  0.  0.  0.]]

注意：此处默认初始化为float

2.初始化为1

init2 = numpy.ones((2,3,4),dtype="int32")
print(init2)

打印结果：

[[[1 1 1 1]
  [1 1 1 1]
  [1 1 1 1]]

 [[1 1 1 1]
  [1 1 1 1]
  [1 1 1 1]]]

注意：dtype可以修改初始化后的类型

3.初始化一个等差数列

init3 = numpy.arange(10, 30, 5)
print(init3)

打印结果：
[10 15 20 25]

4.初始化一个随机矩阵

init4 = numpy.random.random((2,3))
print(init4)

打印结果：

[[ 0.12118478  0.28265194  0.7184926 ]
 [ 0.29421611  0.20473122  0.49643855]]

4.在某个区间中等距取值

numpy.linspace(起始值，结束值，间隔)

from numpy import pi
init5 = numpy.linspace(0, 2*pi, 10)
print(init5)

打印结果：

[ 0.          0.6981317   1.3962634   2.0943951   2.7925268   3.4906585
  4.1887902   4.88692191  5.58505361  6.28318531]

三：矩阵的计算

1.三角函数

a = numpy.sin(numpy.linspace(0, 2*pi, 5))
print(a)

打印结果：
[  0.00000000e+00   1.00000000e+00   1.22464680e-16  -1.00000000e+00
  -2.44929360e-16]

不明此处sin(pi)的值为什么不是0

2.简单计算

a = numpy.array([10, 20, 30, 40])
b = numpy.arange(4)
print(a - b)
print(a + b)
print(a * b)
print(b / a)
print(b ** 2) #乘方
print(a < 35)

打印结果：

[10 19 28 37]
[10 21 32 43]
[  0  20  60 120]
[ 0.          0.05        0.06666667  0.075     ]
[0 1 4 9]

[ True  True  True False]

3.矩阵乘法

A = numpy.array([
    [1, 1],
    [0, 1]
])
B = numpy.array([
    [2, 0],
    [3, 4]
])
print(A)
print("#####")
print(B)
print("#####")
print(A*B) #对应位置相乘
print("#####")
print(A.dot(B))  #矩阵乘法
print("#####")
print(numpy.dot(A,B)) #矩阵乘法
print("#####")

打印结果：

[[1 1]
 [0 1]]
#####
[[2 0]
 [3 4]]
#####
[[2 0]
 [0 4]]
#####
[[5 4]
 [3 4]]
#####
[[5 4]
 [3 4]]
#####

4.平方和开方

a = numpy.arange(3)
print(numpy.exp(a))
print(numpy.sqrt(a))

打印结果：

[ 1.          2.71828183  7.3890561 ]
[ 0.          1.          1.41421356]

5.矩阵和向量的转换

a = numpy.floor(10 * numpy.random.random((3, 4))) #向下取整
print(a)
print("######")
print(a.ravel())  #多维矩阵转向量
a.shape = (6, 2)
print(a)
print("######")
print(a.T)  #转置矩阵

打印结果：

[[ 6.  5.  2.  7.]
 [ 4.  4.  8.  9.]
 [ 6.  9.  7.  0.]]
######
[ 6.  5.  2.  7.  4.  4.  8.  9.  6.  9.  7.  0.]
[[ 6.  5.]
 [ 2.  7.]
 [ 4.  4.]
 [ 8.  9.]
 [ 6.  9.]
 [ 7.  0.]]
######
[[ 6.  2.  4.  8.  6.  7.]
 [ 5.  7.  4.  9.  9.  0.]]

6.矩阵的拼接

a = numpy.floor(10 * numpy.random.random((2, 2)))
b = numpy.floor(10 * numpy.random.random((2, 2)))
print(a)
print("######")
print(b)
print("######")
print(numpy.hstack((a, b)))
print("######")
print(numpy.vstack((a, b)))

打印结果：

[[ 3.  0.]
 [ 2.  7.]]
######
[[ 8.  4.]
 [ 7.  4.]]
######
[[ 3.  0.  8.  4.]
 [ 2.  7.  7.  4.]]
######
[[ 3.  0.]
 [ 2.  7.]
 [ 8.  4.]

 [ 7.  4.]]

7.矩阵的切割

numpy.hsplit(要切割的矩阵，切割成的份数)

a = numpy.floor(10 * numpy.random.random((2, 12)))
print(a)
print("#####")
print(numpy.hsplit(a, 3))
print("#####")
print(numpy.hsplit(a, (3, 4))) #(3, 4)该元组表示在第三个和第四个空隙切割
a = numpy.floor(10 * numpy.random.random((12, 2)))
print("#####")
print(a)
print("#####")
print(numpy.vsplit(a, 3))

打印结果：

[[ 9.  7.  6.  1.  4.  2.  4.  9.  1.  2.  2.  0.]
 [ 6.  8.  5.  0.  7.  8.  9.  3.  2.  6.  5.  2.]]
#####
[array([[ 9.,  7.,  6.,  1.],
       [ 6.,  8.,  5.,  0.]]), array([[ 4.,  2.,  4.,  9.],
       [ 7.,  8.,  9.,  3.]]), array([[ 1.,  2.,  2.,  0.],
       [ 2.,  6.,  5.,  2.]])]
#####
[array([[ 9.,  7.,  6.],
       [ 6.,  8.,  5.]]), array([[ 1.],
       [ 0.]]), array([[ 4.,  2.,  4.,  9.,  1.,  2.,  2.,  0.],
       [ 7.,  8.,  9.,  3.,  2.,  6.,  5.,  2.]])]
#####
[[ 2.  8.]
 [ 7.  7.]
 [ 3.  3.]
 [ 5.  2.]
 [ 5.  6.]
 [ 4.  4.]
 [ 5.  4.]
 [ 3.  1.]
 [ 2.  2.]
 [ 4.  6.]
 [ 8.  1.]
 [ 1.  7.]]
#####
[array([[ 2.,  8.],
       [ 7.,  7.],
       [ 3.,  3.],
       [ 5.,  2.]]), array([[ 5.,  6.],
       [ 4.,  4.],
       [ 5.,  4.],
       [ 3.,  1.]]), array([[ 2.,  2.],
       [ 4.,  6.],
       [ 8.,  1.],
       [ 1.,  7.]])]