Numpy学习笔记（一）

import numpy as np
import random
array=np.array([[1,2,3],[2,3,4]],dtype=np.float)#dtype:定义列表内存储的数据类型
zero=np.zeros((3,4))
one=np.ones((3,4),dtype=np.int16)
ar=np.arange(12).reshape((3,4))#reshape((x,y))将列表重新构造成为长宽为（x，y）的列表
linspace=np.linspace(1,10,7)#从1到10，长度为9，分成7个节点，6个线段

print(linspace)
print(ar)
print(array.dtype)
print(zero)
print(one)
print('number of dim:',array.ndim)#维度的数量 dim:维度
print('shape:',array.shape)
print('size:',array.size)

a=np.arange(4).reshape((4,1))
b=np.arange(4).reshape((1,4))
# print(a)
# print(b)
print(a.dot(b))
# print(a,'*',b,'=',np.dot(a,b),sep='\n')


import numpy as np
a=np.array([1,2,3])
b=np.array([[2,3,4],[3,4,5]])
print(np.sum(a,axis=0))
print(np.sum(b,axis=0))#axis这个属性的定义是基于数组.shape 的这个属性
print(np.sum(b,axis=1))#它是一个Python元组,对于二维数组而言,axis=0表示这个元组的第一个元素,axis=1表示第二个元素
A=np.arange(14,2,-1).reshape((3,4))
print(A)
# print(np.mean(A))#平均数
# print(np.median(A))#中位数
# print(np.cumsum(A))#前n项和
# print(np.diff(A))#相邻数的差
# print(np.nonzero(A))#非0数的行和列的列表
# print(np.sort(A))#排序
# print(A.T.dot(A))#矩阵倒置
print(np.clip(A,5,9))#使得A中的元素皆保留在[x,y]范围中，超出范围的取x或y

1、numpy中的基本单位是array，一切要处理的数据类型皆用array函数创造

创造类型有几种方法：

（1）np.array([]):这种方法是构造一个类似于列表的array对象，一维为向量，二维是矩阵

（2）np.arange((i,j)).reshape((x,y))：创造一个范围是[ i , j ),形状是(x,y)的矩阵（或向量）

（3）np.zero((x,y))：创造一个x行 y列的全为0矩阵

（4）np.ones((x,y)): 创造一个x行 y列的全为1矩阵

（5）np.linspace(begin,end,num):创造一个范围是[begin，end），由num个点划分为num-1个数据的线段

常见属性有：

（1）dtype:定义列表内存储的数据类型，用于构造方法

（2）array.ndim：维度的数量 dim:维度

（3）array.shape：array的形状，返回的是元组，分别为（n维，...，2维，1维）的数量

（4）array.size：左右的元素数量

计算：

（1）A.dot(B)：计算A与B的向量积

（2）A*B：计算A与B的数量积

（3）np.sum(a,axis=0 or 1)：合并array，如为0合并行，为1合并列

（4）print(np.mean(A))#平均数

（5）print(np.median(A))#中位数

（6）print(np.cumsum(A))#前n项和

（7）print(np.diff(A))#相邻数的差

（8）print(np.nonzero(A))#非0数的行和列的列表

（9）print(np.sort(A))#排序

（10）print(A.T.dot(A))#矩阵倒置

（11）print(np.clip(A,5,9))#使得A中的元素皆保留在[x,y]范围中，超出范围的取x或y