一、numpy的一些基本属性
1、引用numpy库
import numpy as np
2、使用numpy建立矩阵并且输出
2.1输出自定义的矩阵:
import numpy as np
array = np.array([[1,2,3],
[4,5,6]])
print(array)
print("number of array:",array.ndim) # 查看矩阵的维数
print("shape:",array.shape) # 查看矩阵的形状
print("size:",array.size) # 查看矩阵的元素个数
输出结果如下:
2.2 定义一个元素全为0的矩阵
import numpy as np
a = np.zeros((3, 4)) # np.zeros((矩阵行数,矩阵列数))
print(a)
输出结果如下:
2.3 定义一个元素全为1的矩阵
import numpy as np
a = np.ones((3, 4))
print(a)
输出结果如下:
2.4 定义一个元素为空的矩阵
#此处的为空,并不是真的为空,而是定义一个数值无限接近为0的矩阵
import numpy as np
a = np.empty((3, 4))
print(a)
输出结果如下:
2.5生成一个有序矩阵
import numpy as np
a = np.arange(10, 20, 2) #np.arange(起始值,终止值,步长),不包含终止值
print(a)
输出结果:
2.6设置矩阵的形状
import numpy as np
a = np.arange(10, 22, 2).reshape(2, 3)
print(a)
输出结果:
2.7设置等间隔数列
import numpy as np
a = np.linspace(1, 10, 5) #np.linspace(起始值,终止值,分段数)
print(a)
输出结果:
同样也可以更改形状:
import numpy as np
a = np.linspace(1, 10, 6).reshape(2,3)
print(a)
输出结果
3、numpy矩阵的数据类型的设置
import numpy as np
a = np.array([2, 3, 4], dtype=np.int64)
print(a)
print(a.dtype)
numpy常见的数据类型:
二、numpy的一些基础运算
1、矩阵的减法
import numpy as np
a=np.array([10,20,30,40])
b=np.arange(4)
print(a,b)
c=a-b
print(c)
numpy中的减法,仅仅是相应位置中的元素相减。
输出结果:
2、矩阵的加法
import numpy as np
a=np.array([10,20,30,40])
b=np.arange(4)
print(a,b)
c=a+b
print(c)
矩阵的加法即为相应位置的元素相加
运行结果如下:
3、矩阵的平方:
import numpy as np
b=np.arange(4)
print(b)
print(b**2)
python中的平方 使用 **
矩阵的平方即为每个元素求平方
输出结果如下:
4、矩阵的乘法
import numpy as np
a = np.array([[1, 1],
[0, 1]])
b = np.arange(4).reshape(2, 2)
c = a*b
c_dot = np.dot(a, b)
print(c)
print(c_dot)
如果直接使用ab,则输出的即为相应位置元素的乘法
若想要输出的是线性代数中的乘法,则需要使用np.dot(ab)
输出结果如下:
想要计算矩阵a*b还可以写为:
c_dot_2=a.dot(b)
输出结果如上面的c_dot 一样
5、numpy中三角函数的计算
import numpy as np
a = np.array([[1, 1],
[0, 1]])
print(np.sin(a))
同样,np.cos() np.tan()都可以。
输出结果如下:
6、求矩阵中的和、最大值、最小值
import numpy as np
a = np.array([[1, 1, 2],
[0, 1, 3]])
print(np.sum(a))
print(np.min(a, axis=0))
print(np.max(a, axis=1))
输出结果如下:
axis=0表示对行操作(上下)
axis=1表示对列操作(左右)