Numpy

1.1、numpy的属性

1.2、array

import numpy as np
a=np.arrange(12).reshape((3,4))//生成有序数列或者矩阵,定义长和宽，三行四列

a=np.linspace(1,10,20)  //生成线段  .reshape（（2，3））

print（a）

1.3、基础运算

np.array 是 NumPy 库中的一个函数，用于创建数组。它可以接受一个序列或嵌套序列作为输入，并将其转换为 NumPy 数组。这个函数可以用来创建一维、二维甚至多维数组，是 NumPy 中常用的函数之一。 

# 创建一维数组
arr1 = np.array([1, 2, 3, 4, 5])

# 创建二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

在Python中，array是一种数据结构，用于存储相同类型的元素。它类似于列表，但与列表不同的是，数组只能存储一种类型的元素，而且它的大小是固定的。数组可以包含数字、字符串、布尔值等元素。要使用数组，需要导入array模块，然后创建一个数组对象并指定元素的类型。数组的元素可以通过索引来访问和修改。使用数组可以提高数据存储和访问的效率。

下面是一个使用array的简单示例：

from array import array

# 创建一个整数类型的数组
arr = array('i', [1, 2, 3, 4, 5])

# 访问数组元素
print(arr[0])  # 输出 1

# 修改数组元素
arr[1] = 10

# 遍历数组
for num in arr:
    print(num)

在这个示例中，我们首先导入了array模块，然后创建了一个整数类型的数组arr，其中包含了5个整数。我们可以通过索引来访问和修改数组的元素，也可以使用for循环来遍历数组中的元素。

numpy中乘法分为两种：1、直接相乘  2、矩阵相乘

c =a*b

c_dot=np.dot(a,b)//c_dot_2=a.dot(b)

import numpy as np
a=np.random.random((2,4))//2行四列的shape

print(a)
print(np.sum(a))
print(np.min(a))
print(np.max(a))

//只是想找到某一行的最大最小求和 
print(np.sum(a,axis=1))   //axis 代表维度，其中1代表行，0代表列

矩阵最大值索引，

import numpy as np
A=np.arrange(2,14).reshape((3,4))  //代表在2-14区间范围内但，左闭右开，建造矩阵三行四列

//索引
print(np.argmin(A))   //由于2的索引是0位 所以输出是0
print(np.argmax(A))   //由于一共12个数字，从0开始，那么13在右下角，索引是11

print(np.mean(A))  //整个矩阵的平均值
=print (A.mean())

//mean 可以换成average 但是只能上面的用下面的不能


//逐步加进去 
print（A）
print(np.cumsum(A))

//累差
print(A)
print(np.diff(A))

//寻找非零数

print(A)

结果中左边是行，右边是列，锁定某个数，比如第一个2是0行0列

排序sort

print(np.sort(A))

矩阵转置

print(np.transpose)

print(A.T)

矩阵乘法

print((A.T).dot(A))

clip 也就是说小于五的等于五，大于9的等于9.

import numpy as np

A=np.arrange(14,2,-1).reshape((3,4))
print(A)
print(np.clip(A,5,9))

print(np.mean(A,axis=0))

axis  0代表列

1.4、索引

检索都是从0开始，第一行是0，第一列也是0列

A=np.arange(3,15).reshape((3,4))
print(A)
print(A[1][1])//表示 检索第二行第二列的数 
=print(A[2,1])

//用冒号代表所有数，比如某行所有数，某列所有数
print(A[;,1])  

print(A[1,1;3])  //代表第二行，然后第二列到第四列，但是左闭右开，意思是取2、3列

迭代某一行，迭代列 for循环

用flatten（） 可以返回一个迭代值，区分flat，这是化为一行

1.5、numpy array合并