ndarray的矩阵操作
1. 基本矩阵操作
算术运算符:
- 加减乘除
n = np.random.randint(0,10, size=(4,5))
n
# array([[8, 0, 8, 2, 4],
# [7, 6, 5, 1, 2],
# [1, 4, 7, 6, 0],
# [4, 8, 5, 7, 7]])
n + 1 # 加
n - 1 # 减
n * 2 # 乘
n / 2 # 除
n // 2 # 整除
n % 2 # 余数
n2 = np.random.randint(0,10, size=(4,5))
display(n, n2)
# array([[8, 0, 8, 2, 4],
# [7, 6, 5, 1, 2],
# [1, 4, 7, 6, 0],
# [4, 8, 5, 7, 7]])
# array([[5, 0, 0, 6, 4],
# [6, 5, 1, 7, 0],
# [8, 0, 6, 6, 3],
# [4, 3, 1, 0, 3]])
n + n2
# array([[13, 0, 8, 8, 8],
# [13, 11, 6, 8, 2],
# [ 9, 4, 13, 12, 3],
# [ 8, 11, 6, 7, 10]])
*线性代数中常用矩阵操作*
- 矩阵与矩阵的乘积
n1 = np.random.randint(0, 10, size=(2,3))
n2 = np.random.randint(0, 10, size=(3,4))
display(n1, n2)
# array([[1, 9, 7],
# [9, 1, 1]])
# array([[4, 6, 9, 9],
# [8, 5, 8, 3],
# [0, 9, 4, 1]])
# 矩阵积
np.dot(n1, n2)
n1 @ n2
# array([[ 76, 114, 109, 43],
# [ 44, 68, 93, 85]])
"""
[3*5+3*4+7*5, 3*3+3*1+7*5, 3*6+3*3+7*9, 3*4+3*0+7*7]
[6*5+9*4+3*5, 6*3+9*1+3*5, 6*6+9*3+3*9, 6*4+9*0+3*7]
"""
线性代数其他操作
# 线性代数常用
n = np.array([[1, 2, 3],
[2, 5, 4],
[4, 5, 8]])
np.linalg.inv(n) # 逆矩阵
np.linalg.det(n) # 计算矩阵行列式
# 矩阵的秩(满秩矩阵或奇异矩阵)
np.linalg.matrix_rank(n)
其他数学函数
abs、sqrt、square、exp、log、sin、cos、tan、round、ceil、floor、cumsum
广播机制
【重要】ndarray广播机制的两条规则
- 规则一:为缺失的维度补维度
- 规则二:缺失元素用已有值填充
m = np.ones((2,3), dtype=int)
a = np.arange(3)
display(m, a)
*# array([[1, 1, 1],*
*# [1, 1, 1]])*
*#*
*# array([0, 1, 2])*
m + a
*# array([[1, 2, 3],*
*# [1, 2, 3]])*
a = np.arange(3).reshape((3,1))
b = np.arange(3)
display(a, b)
*# array([[0],*
*# [1],*
*# [2]])*
*# array([0, 1, 2])*
a + b
*# array([[0, 1, 2],*
*# [1, 2, 3],*
*# [2, 3, 4]])*
a = np.ones((4,1), dtype=int)
b = np.arange(4)
display(a, b)
*# array([[1],*
*# [1],*
*# [1],*
*# [1]])*
*# array([0, 1, 2, 3])*
a + b
*# array([[1, 2, 3, 4],*
*# [1, 2, 3, 4],*
*# [1, 2, 3, 4],*
*# [1, 2, 3, 4]]*
ndarray的排序
快速排序
np.sort()与ndarray.sort()都可以,但有区别:
- np.sort()不改变输入
- ndarray.sort()本地处理,不占用空间,但改变输入
#### **ndarray文件操作**
###### **保存数组**
- save : 保存ndarray到一个npy文件
- savez : 将多个array保存到一个npz文件中
![###### `x = np.arange(0, 10)y = np.arange(10,20)# savenp.save("x",x)# saveznp.savez("arr.npz",xarr = x,yarr=y`](https://img-blog.csdnimg.cn/direct/caf30cf8e53942f6885ff0150c9c5bdf.png)
读取数组
# 读取npy文件
np.load('x_arr.npy')
# 读取npz文件
np.load('arr.npz')['yarr']
csv、txt文件的读写操作
n = np.random.randint(0, 10,size = (3,4))
# 储存数组到txt或csv, delimiter为分隔符
np.savetxt("arr.csv", n, delimiter=',') # 文件后缀是txt也是一样的
# 读取txt或csv
np.loadtxt("arr.csv", delimiter=',', dtype=np.int32)
关于Python学习指南
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
包括:Python激活码+安装包、Python web开发,Python爬虫,Python数据分析,人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python!
👉Python所有方向的学习路线👈
Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。(全套教程文末领取)
👉Python学习视频600合集👈
观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
温馨提示:篇幅有限,已打包文件夹,获取方式在:文末
👉Python70个实战练手案例&源码👈
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
👉Python大厂面试资料👈
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
👉Python副业兼职路线&方法👈
学好 Python 不论是就业还是做副业赚钱都不错,但要学会兼职接单还是要有一个学习规划。
👉 这份完整版的Python全套学习资料已经上传,朋友们如果需要可以扫描下方CSDN官方认证二维码或者点击链接免费领取【保证100%免费
】