强大的python之numpy

1.安装numpy:

pip insatll numpy

2.导入numpy(常用模板）

import numpy as np

3.numpy介绍：

NumPy是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,其核心在于numpy的ndarray类。

4.矩阵的创建（多维数组的创建方法）,多维数组的创建:

1.np.arange创建一维矩阵

1.语法：

np.arange(low,high,dtype=None)
""" 
high:默认为0 
dtype:默认为None
如果没由传入high值，那么返回数值大小默认为0 - low-1
"""

2.案例代码:

import numpy as np
a=np.arange(24)
print(a)
print('数组a的维度:',a.shape)

3.运行结果：

np.arange返回的是一个ndarray对象，a.shape返回的是一个元组，代表数组的维度。

2.np.array创建多维数组:

  1.语法：

np.array(object,dtype=None,copy=True,order=None,subok=False,ndim=0)
'''
numpy.array(object.dtype=None,copy=True,order=None,subok=False,ndim=0)
object:数组或者嵌套的数列
dtype:数组元素的数据类型，可选
copy:对象是否需要复制
order；创建数组的样式，C为行方向,F为列方向，A为任意方向
subok:默认返回一个和基类类型一致的数组
ndim:指定生成数组的最小维度
'''

2.案例代码：

import numpy as np

#arrange
a=np.arange(10)
print(a)
#返回类型为numpy.ndarray #返回大小为0 - n-1

#numpy的array函数可以生成多维数组
'''
numpy.array(object.dtype=None,copy=True
,order=None,subok=False,ndim=0)
object:数组或者嵌套的数列
dtype:数组元素的数据类型，可选
copy:对象是否需要复制
order；创建数组的样式，C为行方向,F为列方向，A为任意方向
subok:默认返回一个和基类类型一致的数组
ndim:指定生成数组的最小维度
'''
#创建一个一位数组
b=np.array([1,2,3,4,5,6])
print(b)
print('b数组的维度:',b.shape)
#创建一个二维数组
a1=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(a)
print('a的数组维度:',a1.shape)

a2=np.array([1,2,3,4,5,6],ndmin=3)
print(a2)

a3=np.array([1,2,3,4,5,6],dtype=complex)
print(a3)

#numpy.arange(start,stop,step,dtype)

x=np.arange(0,6,dtype=int)
print(x)
x1=np.arange(10,20,2,dtype=float)
print(x1)

#anrange创建二维数组
c=np.array([np.arange(1,4),np.arange(4,7),np.arange(7,10)])
print(c)
print('c的维度:',c.shape)

3.运行结果：

3.np.random的使用:

  1.random的诸多使用组合（建议实践上机操作,照着案例一边敲完）

import numpy as np
#生成一个随机数
x=np.random.random(size=None)
print(x)

#生成一维的（4，）的随机数组
x1=np.random.random(size=4)
print(x1)

#生成一维(3,4)的随机数组
x2=np.random.random(size=(3,4))
print(x2)

#np.random.randint()的使用
x3=np.random.randint(5,size=5)
print(x3)

y=np.random.randint(5,10,size=10)
print(y)

z=np.random.randint(5,10,size=(2,4))
print(z)

#randn返回一组或者一个样本，具有标准正态分布

x5=np.random.randn()
print(x5)
y1=np.random.randn(2,4)
print(y1)
z1=np.random.randn(2,3,4)
print(z1)


#np.random.normal()的使用 期望 方差 形状
print(np.random.normal(loc=3,scale=4,size=(2,2,3)))


#np.ndarray属性的使用
x7=np.random.randint(10,size=10)
print(x7)

 2.运行截图：

4.numpy其他创建矩阵方法：

   

import numpy as np
x=np.zeros(5)
#返回包含五个数字，其中元素全为0的一维矩阵

'''
np.zeros(shape,dtype=None)
shape:矩阵形状
dtype:数据类型
'''

print(x)
y=np.zeros((5,),dtype=int)

print(y)
z=np.zeros((2,2))
print(z)


#np.ones
x1=np.ones(5)
print(x1)
#返回包含五个数字，其中元素全为1的一维矩阵
'''
np.ones(shape,dtype=None)

shape:矩阵形状
dtype:数据类型

'''

np.ones(shape,dtype=None)

y1=np.ones((3,4),dtype=int)
print(y1)

#返回包含五个数字，其中数据尚未初始化，其每个数据项的值都是矩阵所在单元系统的元存储值
x2=np.empty([3,2],dtype=int)
print(x2)
'''
np.empty(shape,dtype=None)

shape:矩阵形状
dtype:数据类型

'''

#等差矩阵
'''
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None,
             axis=0)
axis:0代表列优先 C
axis:1代表行优先 F
返回的数据范围在start -stop之间
num：默认50
'''
x3=np.linspace(1,10,num=50)
print(x3)

x4=np.linspace(10,20,5,endpoint=True)
print(x4)

#等比数列
x5=np.logspace(0,9,10,base=2)
print(x5)
'''

'''

恭喜你掌握创建部分，明日更新