numpy笔记

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