NumPy基础快速入门（1）

1. 在NumPy中，能够以多种方式创建向量和矩阵。

import numpy as np 

a0 = np.array([0,1,2,3])    #一个[]，一维向量，a0.shape = (4,)
a1 = np.array([[0,1,2,3]])  #两个[[]]，二维矩阵，a1.shape = (1, 4)
a2 = np.array([[0],         #两个[[]]，二维矩阵，a2.shape = (4, 1)
               [1], 
               [2],
               [3]])

b = np.array([4,5,6,7])
c = np.array([[0,1,2,3],
              [4,5,6,7]])
d = np.zeros((2,4))          #创建2行4列的全0矩阵
e = np.random.rand(2,5)      #创建2行5列的随机矩阵，且元素的值在0到1之间

print('a0 =',a0)
print('a0.shape =',a0.shape)
print('a0[0] =',a0[0])
print('a1 =',a1)
print('a1.shape =',a1.shape)
print('a1[0] =',a1[0])
print('a1[0][0] =',a1[0][0])
print('a2 =',a2)
print('a2.shape',a2.shape)
print('a2[0] =',a2[0])
print('a2[0][0] =',a2[0][0])

print('b =',b)
print('c =',c)
print('d =',d)
print('e =',e)

结果如下：

a0 = [0 1 2 3]
a0.shape = (4,)
a0[0] = 0
a1 = [[0 1 2 3]]
a1.shape = (1, 4)
a1[0] = [0 1 2 3]
a1[0][0] = 0
a2 = [[0]
 [1]
 [2]
 [3]]
a2.shape (4, 1)
a2[0] = [0]
a2[0][0] = 0
b = [4 5 6 7]
c = [[0 1 2 3]
 [4 5 6 7]]
d = [[0. 0. 0. 0.]
 [0. 0. 0. 0.]]
e = [[0.97844721 0.08462048 0.3743765  0.05988952 0.27893199]
 [0.63314158 0.06687459 0.42257399 0.75986062 0.11585396]]

   2. 在NumPy中，对向量和矩阵进行运算。

在阅读numpy代码时，实际上是在做两件事：阅读这些操作，并跟踪每个操作的形状（每个操作所对应的行数和列数）

#1.逐元素操作（包括+、-、*、/）：2个变量必须具有相同数量的列，或其中一个变量只有一列
print('a0 * 2 =',a0 * 2)   #向量a0中的每一个数都乘以2
print('c * 2 =',c * 2)       #矩阵c中的每一个数都乘以2
print('a0 * b =',a0 * b)    #对向量a和向量b执行逐元素乘法（按照列配对）
print('a0 * c =',a0 * c)    #对矩阵c的每一行执行逐元素乘法，因为c和a具有同样的列数

#2.使用dot函数进行点积操作：对应矩阵乘法运算，左矩阵的列数必须等于右矩阵的行数，(a,b).dot(b,c)=(a,c)
f = np.zeros((2,5))
g = np.zeros((5,4))
h = f.dot(g)
print('h.shape =',h.shape)

结果如下：

a0 * 2 = [0 2 4 6]
c * 2 = [[ 0  2  4  6]
 [ 8 10 12 14]]
a0 * b = [ 0  5 12 21]
a0 * c = [[ 0  1  4  9]
 [ 0  5 12 21]]
h.shape = (2, 4)