文章目录
属性
- ndim: 维数
- shape: 行数和列数
- size元素个数
- 可以在使用array函数时指定 dtype参数
方法
1. arange(起始值,中止值,步长)
- 区间为前闭后开
c = np.arange(0,12,2).reshape(2,3)
c2 = np.arange(15,5,-1)
c,c2
2. linspace(起始值,中止值,数值个数)
- 区间前闭后闭
d = np.linspace(0,2,5)
d
3. 向量运算
- 直接加减乘除即可
a = np.array([10,20,30,40])
b = np.arange(4)
print(a-b)
- 幂运算用 两个乘号(**)表示
print(a**2)#表示a的平方
4. 向量筛选
a = np.array([10,20,30,40])
print(a < 25) #查看a中小于25的值,输出一个布尔列表
5. 矩阵间乘法
- np.dot(矩阵a,矩阵b)
- a.dot(b)
上述两种方法皆可
c = np.arange(12).reshape(3,4)
d = np.arange(13,25).reshape(4,3)
e = np.dot(c,d)
e2 = c.dot(d)
e,e2
6. 随机数矩阵
f = np.random.random((2,3))
7. 矩阵最大值,最小值,求和
- 可以对全局求最大,最小,求和;也可对某行或者某列进行求最大,最小,求和。
- axis参数指定数轴
f = np.random.random((2,3))
print(np.sum(f))
print(np.min(f,axis = 0)) # AXIS = 0代表每列
print(np.max(f,axis = 1)) #AXIS = 1代表每行
8. 求最大值,最小值索引
f = np.random.random((2,3))
print(f)
print(np.argmin(f,axis = 1))
print(np.argmax(f,axis = 0))
9. 矩阵转置
- transpose()函数
- 矩阵的T属性
g = np.arange(20,4,-2).reshape(2,-1)
print(g)
print(g.transpose())
print(g.T)
10. 截断函数
- clip(min,max):将矩阵中元素大于max的赋值为max,小于min的赋值为min
h = np.arange(20,10,-1).reshape(2,5)
h = h.clip(13,18) #h.clip(min,max)
h
11. 索引
- 矩阵不指定列数的话,默认为一整行
- 可以用:符号来表示全部
i = np.arange(3,15)
i = i.reshape(3,4)
print(i)
print(i[2]) # 输出了第三行
print(i[1][2])
print(i[:,2]) #可以用 :来表示所有数
print(i[1,1:2]) #区间前开后闭
12. 循环
- for 循环默认指定迭代一行,没有直接的列迭代
- 如果想遍历矩阵每个元素,就先将矩阵转化为向量
i = np.arange(3,15)
i = i.reshape(3,4)
for row in i:
print(row)
13. 将矩阵转变为向量
- flatten()
i = np.arange(3,15)
i = i.reshape(3,4)
print(i)
print(i.flatten())
14. 向量合并
- vstack(向量a,向量b):上下合并
- hstack(向量a,向量b):左右合并
j = np.array([1,1,1])
k = np.array([2,2,2])
print(np.vstack((j,k))) #上下合并
print(np.hstack((j,k))) #左右合并
15. 插入新的维度
- 在行或列插入 np.newaxis 表示在行或者列插入一个维度,具体可用shape属性查看
j = np.array([1,1,1])
j1 = j[np.newaxis,:]
j2 = j[:,np.newaxis]
print(j)
print(j1.shape)
print(j2)
print(j2.shape)
16. 矩阵分割
-
np.split( 矩阵,划分块数,axis):将矩阵通过指定的轴均等划分为目标块数,如果不能均等则报错;axis = 0表示水平划分;axis = 1表示垂直划分
-
np.vsplit(矩阵,块数):横向划分,必须均等划分
-
np.hsplit(矩阵,块数):纵向划分,必须均等划分
-
np.array_split() : 参数同np.split() ,不过可以不均等划分
l = np.arange(12).reshape(3,4)
print(l)
print(np.split(l,3,axis = 0)) # 行划分
print(np.split(l,2,axis = 1)) #列划分
# split必须进行均等分割
print(np.vsplit(l,3)) #横向分割
print(np.hsplit(l,2)) #纵向分割
# vsplit或者hsplit也必须均等分割
print(np.array_split(l,3,axis = 1))
#array_split 进行不均等的分割
17. copy()
- 向量,矩阵的赋值但不关联(如果只是简单等号赋值,当数其中一个数据改变,其他也会跟着改变)
m = np.array([1,2,3])
n = m
m[0] = 5
print(n) # 当m改变,n跟着m一起改变
n[0] = 10
print(m) #当n改变,m也跟着n一起改变
m = np.array([1,2,3])
n = m.copy() #只是复制,但不会关联
m[0] = 5
print(n) # 当m改变,n不变
n[0] = 10
print(m) #当n改变,m不变