补充资料之numpy

Numpy学习之一

前言

最近发现不管是数据分析，还是人工智能，各个有python的地方都会有numpy的影子。在用 Python 对 n 维数组和矩阵进行运算时，Numpy 库提供了大量有用特征。Numpy 库数组有两种形式：向量和矩阵。严格地讲，向量是一维数组，矩阵是多维数组。在某些情况下，矩阵只有一行或一列。

导入numpy

import numpy as np

创建数组

my_list = [1,2,3,4,5]
my_numpy_list = np.array(my_list)
print(my_numpy_list,type(my_numpy_list))

在pycharm展示不方便，转到jupter notebook中。

二维数组

my_list0 = [[1,2,3,9],[5,4,0,3],[7,4,8,1]]
mn = np.array(my_list0)   
mn

mn.shape =(2,6)   #修改数组的形状
mn

mn.shape = (-1,3)   #注意-1的作用，-1的作用是只管有三列，具体的多少行由机器去计算得知
mn

特殊数组

np.random.rand(5)#可以在[0,1]间生成一个均匀的随机数组

其他创建数组的方法如下。
np.empty((m,n)) : 创建 m 行 n 列,未初始化的二维数组。
np.ones_like(a) ：根据数组 a 的形状生成一个元素全为 1 的数组。
np.zeros_like(a) ：根据数组 a 的形状生成一个元素全为 0 的数组。
np.full_like(a,val) ：根据数组 a 的形状生成一个元素全为 val 的数组。
np.empty((2,3),np.int)：只分配内存，不进行初始化。