关于python中numpy库的一些学习

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）