Python科学计算：Numpy学习3

昨天事情有点多，给鸽了

今天继续：学到二维矩阵的创建，初始构造函数这里了，

首先嘞，日常微操：

import numpy as np

其次嘞，先熟悉一下计算机中编程语言中的二维数组的下标(C、C++、JAVA、Python都是从零开始，Fortran的下标是从1开始的，matlab是从1开始，其他的像Rust这些我就不知道了，如果可以的话，请在留言区补充一下，大家一起学习嘛)

上面这个三阶矩阵A的下标，递增方式是图一，就是C、C++、JAVA、Python等语言的二维数组的下标格式，你可以根据这个，推广到任意阶的二维矩阵或者是方阵。

图一.矩阵下标递增方式

这是数学上的，当然，如果你的工作是将来要去卷图像处理等方面，你要理解的是图像格式，就是x轴从左到右，y轴从上到下（图二）：

图二.图像格式的矩阵下标递增方式

第一个：np.meshgrid

先，构造两个向量xv、yv，用他们定义了一个坐标系，然后构造了两个数组ya，za，再就是计算人家俩的乘积，

还有两个：np.mgrid,np.ogrid

这两个函数的话，都是可以创建二维数组的，我们来试着做一下：

然后是ogrid：

不一样了吧，可以看到，ogrid创建的xa，ya这俩分别是一维向量，而mgrid构建的这俩是二维的数组，还是要把这个分清的，这俩的作用及就是，创建多维数组的时候，他不会像meshgrid那么繁琐，

现在，来个比较重要的：

np.zeros((x,y),dtype=xxx)

!!!caution:x,y外面要有小括号，之前我做一个东西的时候，就是这里出错了，给我整的都不会了,但是这个函数是真的香甜，反正我觉得，以我目前要做的工作来说，zeros函数无疑是最简单也是最直接的，这就和在C++中用vector创建二维数组一样，但是c++的代码行数，就很多了：

#include<vector>
using namespace std;
int main(){
   //创建一个4*3的二维全零数组：
    vector<vector<int>>array(4);
    for(int i=0;i<4;i++){
        array[i].resize(3);
    }
    for(int i=0;i<4;i++){
        for(int j=0;j<3;j++){
            array[i].push_back(0);
        }
    }
}
//ok，到这里，就创建完了，这是vector，如果说你会使用Eigen的话，那也很方便：
#include<Eigen>
using namespace Eigen;
int main(){
   //创建一个4*3的二维全零数组：
        MatrixXd array(3,4);
        array.setZero();
//但我建议，你要不是对矩阵有啥心理阴影，就别使用Eigen，慢的要死的，和vector以及c++自带的数组比起来，
//他就像个，emm，喷气式飞机的壳子，但是里面装了个拖拉机的发动机
}

#python就简单的多了
array=np.zeros((4,3),dtype=int)

一行解决战斗，其实，大可不必要去比较，c++的有点就是快，如果你会使用CUDA的话，那他就会更快，而Python虽然慢，但他的优点就是包多，乱拳打死老师傅的那种。

相似函数的话，就是reshap，直接

array=np.reshape(array,(x1,y1))

记住，reshape不但可以copy一个数组，而且它可以丧心病狂到给复制的数组变换格式：把[x1,y1]转换成[x2,y2]。

ok，今天就到这里吧，先把二维数组的初始化搞会。