Python-numpy库学习笔记

1.定义/创建*

array=np.array(list,dtype=np.int64) #将列表转换为数组，并定义格式，在这里定义成了int64位
array.ndim #输出该数组的维度
array.shape #输出该数组的形状（n*m）
array.size #总共有多少个元素
array.dtype #格式
np.zeros((n,m)) #创建一个n行m列的0矩阵
np.ones((n,m),dype=np.int64) #创建一个n行m列的1矩阵
np.empty((n,m)) #创建一个矩阵，里面数据几乎为0
np.arange(x,y,z) #创建一个从x到y步长为z的矩阵
np.arange(x).reshape((y,z)) #创建一个有x元素的有序矩阵，并指定形状为y行z列
np.linspace(x,y,z).reshape((a,b)) #创建一个矩阵，将x到y平均分成z份，并指定形状为a行b列

2.运算

a=np.array([10,20,30,40])
b=np.arange(4)
c=a-b #减法 [10 19 28 37]
c=a+b #加法 [10 21 32 43]
c=a*b #乘法 [ 0 20 60 120] 逐个相乘
c=b**n #b矩阵的n次方
np.sin(a) #求a矩阵的sin值
np.cos(a)
np.tan(a)
b<n #输出一个矩阵，若某个元素满足条件输出True，反之输出False [False False True True]
np.dot(a,b) #矩阵乘法
a@b #矩阵乘法
np.random.random((x,y)) #随机生成一个x行y列0-1之间的矩阵
np.max(a，axis=) #最大值,axis=0时求列中最大值，axis=1时求行中最大值
np.min(a) #最小值,axis=0时求列中最小值，axis=1时求行中最小值
np.sum(a) #求和，,axis=0时求列和，axis=1时求行和
np.argmin(A) #索引A矩阵中最小值
np.argmax(A) #索引A矩阵中最大值
np.mean(A) #求平均值
np.average(A) #平均值
A.mean #平均值
np.cumsum(A) #累加
np.diff(A) #累差
np.nonzero(A) #返回两个数组，为非零数所在的行和列
np.sort(A) #排序
np.transpose(A) #矩阵的转置
A.T #矩阵的转置
np.clip(A,a,b) #矩阵中所有小于a的都让其等于a，大于b的都让其等于b
np.median((A)) #中位数

3.索引

A[a] #A矩阵中的第a+1个数，其他维度矩阵索引可参考列表
A[a,b]与A[a][b]意思相同
A[a,:] #输出a+1行所有数
a[:,a] #输出a+1列所有数
A.flat #将其转换成一行（迭代器）
A.flatten() #返回一个一行的数组

4.合并

np.vstack((A,B)) #将A、B矩阵上下合并
np.hstack((A,B)) #将A、B矩阵左右合并
A[:,np.newaxis] #在A的纵向上加了一个维度，[1,1,1]变为[[1],[1],[1]]
A[np.newaxis,:] #在A的横向上加了一个维度，[1,1,1]变为[[1,1,1]]
C=np.concatenate((A,B,B,A),axis=1) #axis=0纵向合并 为1时横向合并

5.分割

np.split(A,b,axis=1) #把每一行分割成对等的b份，若axis=0，则分割列
np.array_split(A,b,axis=1) #不等量分割
np.vsplit(A,b) #纵向b块的分割
np.hsplit(A,b) #横向b块的分割

6.赋值

在Python中使用变量赋值（比如a=b）时，所有的变量都指向了同一个变量，当一个变量改变时，其他变量的值也会改变
若只想取值，而不是指向整个变量
b=a.copy()