科学计算之Numpy入门1

版权声明：本文为威哥哥带你写代码原创文章，有错请评论，转载请注明，谢谢

Numpy基础

Numpy所包括的函数可以十分方便的进行数据处理，尤其是矩阵运算，之前的python都是使用列表与元组，在进行矩阵运算的时候非常不便。对于同样的数值计算任务，使用Numpy要比直接使Python代码方便得多。因为Numpy 能够直接对数组和矩阵进行操作，代码量大大的减少了，并且其众多的数学函数也会让编写代码的工作轻松许多。

如何生成矩阵

使用创建二维数组的方法创建矩阵，我们使用的是array函数

1.生成矩阵实例；

import numpy as np
a=np.array([[1,2],[3,4]])
print(a) 

输出结果为

2.数据类型定义；
我们知道每一个元素都有对应的数据类型，Numpy的数据类型有int32 int64 float32 bool等，我将如何定义呢？需要使用dtype，
实例：

a=np.array([[1,3,5],[2,5,3],[3,5,7]],dtype=np.float) 
print(a.dtype)

输出为：

这个时候数组中的每一个元素类型已经定义为了float64类型，当然你也可以定义为float32
3.查看矩阵信息；
这个时候可以用ndim查看维度（注意这里是数组的维度，区分清楚数组和矩阵），用shape和size看矩阵大小
实例：

a=np.array([[1,3,5],[2,5,3],[3,5,7]],dtype=np.float) 
print(a)
print('number of dim: ',a.ndim)
print('shape: ',a.shape)
print('size: ',a.size)
print(a.dtype)

输出：

特殊矩阵的创建

1.创建0矩阵

a=np.zeros((3,4))
print(a)

创建3行4列的0矩阵，输出为：

2.创建全为1的矩阵

a=np.ones((5,5))

创建5x5的矩阵
输出为：

3.利用reshape生成特定的矩阵

a=np.arange(8,20,1).reshape((3,4))

范围8到20，步长为1，生成3x4的矩阵
输出：

4.利用random生成随机矩阵

r=np.random.random((2,4))

生成2x4的随机数矩阵

矩阵的运算

1.加减运算
这里指的是2个矩阵的对应元素相加减，这里一定要注意是同类型的矩阵不然会报错

a=np.arange(8,20,1).reshape((3,4))
 print(a)
[[ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]]
 b=np.ones((3,4))
 print(b)
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]
>>> c=a-b
[[ 7.  8.  9. 10.]
 [11. 12. 13. 14.]
 [15. 16. 17. 18.]]

2.矩阵中每一个元素自己的平方运算

a=np.arange(8,20,1).reshape((3,4))
 print(a)
[[ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]]
a**2
array([[ 64,  81, 100, 121],
       [144, 169, 196, 225],
       [256, 289, 324, 361]], dtype=int32)

3.矩阵的乘法运算
矩阵乘法的具体概念在线性代数中有具体解释，这里有2种用法，第一种：

c=np.dot(a,d)

第二种：

c=a.dot(d)

结果都一样，不过需要注意的是

ps:图片来自《线性代数》同济大学数学系编 第六版
一定要注意，不然是会报错的。

矩阵的其他操作

1.三角函数

>>> c=np.sin(b)
>>> print(b)
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]
>>> print(c)
[[0.84147098 0.84147098 0.84147098 0.84147098]
 [0.84147098 0.84147098 0.84147098 0.84147098]
 [0.84147098 0.84147098 0.84147098 0.84147098]]

可以看出每一个元素都进行了sin（）的操作，另外cos tan等同理，注意定义域范围。

2.判断大小

>>> a
array([[ 8,  9, 10, 11],
       [12, 13, 14, 15],
       [16, 17, 18, 19]])
>>> a<14
array([[ True,  True,  True,  True],
       [ True,  True, False, False],
       [False, False, False, False]])

这里判断小于14的值，符合则输出true否则false

3.求矩阵中的最大值和最小值和矩阵各个元素求和

print(np.sum(a))
print(np.min(a))
print(np.max(a))

同时我们也可以使用axis来控制行和列

print(np.sum(a,axis=1))  #axis为1则在行中求和，0则在列中