python/numpy学习笔记1

python/numpy学习笔记1

‘’’
首先安装就不用多说了，直接cmd
pip install numpy -i http xxxxxxxxxxxx
(肯定使用国内各种镜像安装了，不然慢死了)

写笔记的软件使用的是 jupyter（相当于一个封装的python shell）,可以边写代码，边运行，还可以作为笔记存储。
‘’’

numpy笔记1：

import numpy as np
#是一个基于矩阵的运算，使用c写的，所以效率很高
array = np.array([[1,2,3],
                  [2,3,4]])
#初始化，列表转化为矩阵
print(array)      #这里是输出表示，矩阵

运行结果：
[[1 2 3]
[2 3 4]]

#一些常用属性
print('numbers of dim:',array.ndim)  #矩阵维度
print('shape:',array.shape)    #行和列的数目
print('size:',array.size)      #包含的所有元素个数

运行结果：
numbers of dim: 2
shape: (2, 3)
size: 6

#定义矩阵中元素的类型
a = np.array([1,2,3],dtype=np.int64)
print(a.dtype)

运行结果：
int64

#生成0矩阵
b = np.zeros((3,4))      
#这里参数行和列需要用括号括起来,默认是flout，可以通过dtype进行更改
print(b)

运行结果：
[[0 0 0 0]
[0 0 0 0]
[0 0 0 0]]

#生成1矩阵
c = np.ones((3,4),dtype=int)
print(c)

运行结果：
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]

#生成有序矩阵
c = np.arange(10,20,2)       #参数是开始结束和步长，这是没有定义shape的情况
c2 = np.arange(12).reshape((3,4))    #同样的行和列作为整体参数传入，小括号别忘了
print(c)
print('\n')
print(c2)

运行结果：
[10 12 14 16 18]

[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]

#生成线段
a1=np.linspace(1,10,5)                  #生成线段，参数是初始结束，和线段个数，他自己判断步长
a2=np.linspace(1,10,6).reshape((2,3))         #这里注意reshape的元素数要和原来的元素个数相互匹配，否则会报错
print(a1)
print(a2)

运行结果：
[ 1. 3.25 5.5 7.75 10. ]
[[ 1. 2.8 4.6]
[ 6.4 8.2 10. ]]

#numpy的基础运算

a0=np.array([10,20,30,40])
b0=np.arange(4)
#这里加减法符合常规加减乘除法
c=a0-b0
d=a0*b0

print(a0)
print(b0)
print(c)
print(d)

运行结果：
[10 20 30 40]
[0 1 2 3]
[10 19 28 37]
[ 0 20 60 120]

#numpy中的函数调用
x=np.array([10,20,30,40])
y=10*np.sin(x)        #每个元素求sin值并且乘10
print(y)
print(type(x))
print(type(y))

运行结果：
[-5.44021111 9.12945251 -9.88031624 7.4511316 ]
<class ‘numpy.ndarray’>
<class ‘numpy.ndarray’>

#矩阵比较
m=np.arange(4)
print(m)
print(m<3)
print(m==3)

运行结果：
[0 1 2 3]
[ True True True False]
[False False False True]

#笔记为作者自己写的，搬运到CSDN便于储存，可能有的地方白话比较严重不严谨，主要是为了自己更好的理解，所以。。。嗯