numpy 基础入门

0. np 安装

pip3 install numpy scipy matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
#scipy matplotlib 一起安装

1. np下创建array

import numpy as np
#列表转换成numpy 识别的矩阵
array=np.array([[1,2,3],[4,5,6]])  
print(array)
[[1 2 3]
[4 5 6]] #元素之间没有逗号，这是np的特殊地方。
array.ndim    #数组维数
2
array,shape #行数和列数是多少
（2,3）
array,size   #一共有多少个元素
6
array=np.array([1,2,3],dtype=np.int) #定义元素数据类型
print(array.dtype)
int64 #返回64位int
#还有float的小数，还有其他的可以自己查询。
array.zeros((2,3),dtype=int)#创建2行3列全是0的矩阵
array=np.arange(10,20,2)  #生成10开头到20结尾，步长为2的矩阵
print(array)
[10,12,14,16,18]  #返回结果
array=np.arange(12).reshape((3,4)) #生成从0到11的3行4列矩阵，元素个数应匹配，否则报错。
array=np.linespace(1,10,5) #从1到10平均生成5个线段
print(array)
[1. 3.25 5.5 7.75 10.]#返回值
array=np.linespace(1,10,6).reshape(2,3) 
#从1到10平均生成6个线段，形状是2行3列
print(array)
[[1. 2.8 4.6]
[6.4 8.2 10.]]    #返回值

2. np的矩阵运算

a=np.array([10,20,30,40])
b=np.arange(4)
c=a-b  # 加减乘除都同理，但是元素个数应匹配，否则报错。注意平方c=b**2
print(a,b,c)
[10 20 30 40] [0 1 2 3] [10 19 28 37]
c=10*np.sin(a) #np中的三角函数。矩阵中每个元素求sin
print(b)
print(b<3)  #输出矩阵中哪个小于3.
[0 1 2 3] [ True  True  True False]
c=a*b  #矩阵元素对应位置相乘
c_dot=np.dot(a,b)   #2个矩阵按照矩阵乘法相乘。  注意区别
a=np.random.random((2,4))  #生成2行4列随机矩阵
print(a)
[[0.3667733  0.81440726 0.1633512  0.72355555]
 [0.88348125 0.39544205 0.87726339 0.10877551]]
np.sum(a)#求矩阵元素和
np.min(a)#求矩阵元素最小值
np.max(a)#求矩阵元素最大值

np.sum(a,axis=1)#求矩阵每一行的和，axis是维度：1表示行，0表示列
np.min(a,axis=0)#求矩阵每一列的最小值。
np.max(a,axis=1)#求矩阵每一行的最大值。

a=np.arange(2,14).reshape((3,4))  #定义3*4矩阵
print(a)
[[ 2  3  4  5]
 [ 6  7  8  9]
 [10 11 12 13]]
print(np.argmin(a))   # 最小索引号
0
print(np.argmax(a))   #最大索引号
11
print(np.mean(a))# 求平均值
7.5
print(np.mean(a，axis=0))# 求行平均值

print(np.average(a))  #同样求平均值
7.5
print(np.median(a))  #求中位数
7.5
print(np.cumsum(a))  #求矩阵各元素累加
[ 2  5  9 14 20 27 35 44 54 65 77 90]
print(np.diff(a))#求两元素差
[[1 1 1]
 [1 1 1]
 [1 1 1]]
print(np.transpose(a))#矩阵求反
[[ 2  6 10]
 [ 3  7 11]
 [ 4  8 12]
 [ 5  9 13]]
print(np.clip(a,5,9))  #矩阵内元素小于5都认为是5，大于9都认为是9，类似大、小信号切除，中间数保持不变。
[[5 5 5 5]
 [6 7 8 9]
 [9 9 9 9]]

3. np索引，合并、分割

a=np.arange(3,15)  #创建矩阵 
print(a)
[ 3  4  5  6  7  8  9 10 11 12 13 14]
print(a[3])  #索引矩阵元素，查找第四个元素是什么  注意索引从0开始
6
a=np.arange(3,15).reshape((3,4))#创建二维矩阵
print(a)
[[ 3  4  5  6]
 [ 7  8  9 10]
 [11 12 13 14]]
print(a[2][1])  # 索引第三行，第二列的元素是什么
12
print(a[2,1])   #两种表示方式，都可以。
12
print(a[2,:])   #打印第三行所有数
[11 12 13 14]
print(a[:,1])  #打印第二列所有数
[ 4  8 12]
print(a[2,1:2]) #打印三行，第二列数  注意范围，不包括上限。
[12]
print(a[2,1:3])  #打印第三行，第二到第三列所有数
[12 13]
for row in a:    #遍历矩阵行，如果想遍历列，那么先将矩阵转置
    print(row)
[3 4 5 6]
[ 7  8  9 10]
[11 12 13 14]
print(a.flatten())   #矩阵改成单行，便于遍历每一个矩阵元素
[ 3  4  5  6  7  8  9 10 11 12 13 14]  #输出结果
for item in a.flat:
    print(item)    #遍历每一个矩阵元素  注意有flat。
3
4
5
6
7
8
9
10
11
12
13
14
a=np.array([1,1,1])
b=np.array([2,2,2])
print(np.vstack((a,b)))  #矩阵行合并，合并成2行
[[1 1 1]
 [2 2 2]]  #合并成两行三列
print(np.hstack((a,b)))  #类似矩阵增加
[1 1 1 2 2 2]
print(a.transpose())  #不能用transpose将单行矩阵变为单列矩阵。
[1 1 1]
#解决如何两个列合并
a=a[:,np.newaxis]    #将单行矩阵转换成单列矩阵，注意这里T不能用
print(a)
[[1]
 [1]
 [1]]
print(b)
[2 2 2]
b=b[:,np.newaxis]          #将单行矩阵转换成单列矩阵，注意这里T不能用
print(b)
[[2]
 [2]
 [2]]
print(np.hstack((a,b)))
[[1 2]
 [1 2]
 [1 2]]
print(np.vstack((a,b)))
[[1]
 [1]
 [1]
 [2]
 [2]
 [2]]
print(np.concatenate((a,b),axis=0))  #指定列合并或者行合并
[[1]
 [1]
 [1]
 [2]
 [2]
 [2]]
print(np.concatenate((a,b),axis=1))   #指定列合并或者行合并
[[1 2]
 [1 2]
 [1 2]]

a=np.arange(12).reshape((3,4))
print(a)
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
print(np.split(a,2,axis=1))   #对列操作，平均分成个矩阵，只能对等分割
[array([[0, 1],
       [4, 5],
       [8, 9]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11]])]
print(np.split(a,3,axis=0))  #对行操作，分成3矩阵，只能对等分割
[array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,  9, 10, 11]])]
print(np.array_split(a,3,axis=1))  #用array_split进行不等分割
[array([[0, 1],
       [4, 5],
       [8, 9]]), array([[ 2],
       [ 6],
       [10]]), array([[ 3],
       [ 7],
       [11]])]
print(np.vsplit(a,3))   #vsplit hsplit 也可以进行对等分割
[array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,  9, 10, 11]])]
print(np.hsplit(a,2))
[array([[0, 1],
       [4, 5],
       [8, 9]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11]])]

4. np赋值

a=np.array([1,2,3,4])   #np建立矩阵
a
array([1, 2, 3, 4])     # 直接给b，c赋值矩阵a后，只要a改变一个元素，b和c都跟着改变。
b=a;c=b;d=b
a[0]=11
a
array([11,  2,  3,  4])
b
array([11,  2,  3,  4])
c
array([11,  2,  3,  4])
d
array([11,  2,  3,  4])  #注意，d虽然没有直接被赋值a，但是当a改变，d也跟着改变。
#同理，当b改变，acd也跟着改变，也就是已经相互关联。
b=a.copy() # deep copy 赋值但不关联，这个就解决了上述相互关联的问题。