Python中Numpy包的学习

Numpy实现基本的矩阵运算

• a*b实现矩阵叉乘，使用代码和运行结果如图

#矩阵相乘
import numpy as np
a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3
a2=np.mat([[11,12,13],[14,15,16],[17,18,19]]);#3*3
print(a1*a2)

• dot()实现矩阵点乘，使用代码和运行结果如图

#矩阵点乘
import numpy as np
a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3
a2=np.mat([[11,12,13],[14,15,16],[17,18,19]]);#3*3
a3=a1.dot(a2)
print(a3)

• .I实现矩阵求逆，使用代码和运行结果如图

#矩阵转置
import numpy as np
a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3
a2=a1.I
print(a2)

• .T实现矩阵求转置，使用代码和运行结果如图

#矩阵转置
import numpy as np
a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3
a2=a1.T
print(a2)

• linalg.eig()实现求矩阵的特征向量，并返回数值，使用代码和运行结果如图

#矩阵求特征向量
import numpy as np
a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3
b=np.linalg.eig(a1)
print(b)

Numpy实现线性方程求解

例：求该线性方程组的解
$$\left[\begin{array}{ccc}1& 1& 1\\ 0& 2& 5\\ 2& 5& -1\end{array}\right]\left[\begin{array}{l}x\\ y\\ z\end{array}\right]=\left[\begin{array}{c}6\\ -4\\ 27\end{array}\right]$$
使用代码和运行结果如图

from scipy import linalg
import numpy as np
A = np.array([[1, 1, 1], [0, 2, 5], [2, 5, -1]])  # A代表系数矩阵
b = np.array([6, -4, 27])  # b代表常数列
x = linalg.solve(A, b)
print(x)

Numpy实现排序

sort(a,axis,kind,order)函数返回输入数组的排序副本,其中a是所需排序的数组，axis沿着排序的轴，kind默认为"quicksort"快速排序,或者"mergesort"归并排序，"heapsort"堆排序。使用代码和运行结果如图

#排序
import numpy as np 
a = np.array([[3,7,5],[8,4,3],[2,4,9]]) 
print("排序后",np.sort(a))
print("沿x轴排序",np.sort(a,axis=1))
print("沿y轴排序",np.sort(a,axis=0))

• argsort()函数对输入数组进行排序并返回数据的索引数组,使用代码和运行结果如图

#argsort()
import numpy as np 
a = np.array([[3,7,5],[8,4,3],[2,4,9]]) 
b=np.argsort(a)
print(b)

argmax()函数和argmin()函数对输入数组的指定值找出最大值或者最小值，返回其索引值,使用代码和运行结果如图

#armax(),argmin()
import numpy as np 
a = np.array([[3,7,5],[8,4,3],[2,4,9]])
print("整个数组中的最大索引",np.argmax(a))
print("沿x轴的最大索引",np.argmax(a,axis=1))
print("沿y轴的最大索引",np.argmax(a,axis=0))
print("整个数组中的最大索引",np.argmax(a))
print("沿x轴的最小索引",np.argmax(a,axis=1))
print("沿y轴的最小索引",np.argmax(a,axis=0))

• where()函数对输入数组找出指定条件的数值，返回其索引值,使用代码和运行结果如图

#where()
import numpy as np 
a = np.array([[3,7,5],[8,4,3],[2,4,9]])
print("大于8的：",np.where(a>8))

Numpy实现基本的统计计算

在Numpy中有很多用于统计的函数，从数组中给定的元素中查找最大值，最小值，标准差和方差等。

• amin()和amax()用于从给定的数组中指定轴返回最小值和最大值，使用代码和运行结果如图

#Numpy统计函数
#import numpy as np 
a = np.array([[3,7,5],[8,4,3],[2,4,9]]) 
print("整个数组中的最小值",np.amin(a))#寻找整个数组中的最小值
print("整个数组中的最大值",np.amax(a))#寻找整个数组中的最小值
print("第一列的最大值",np.amax(a,axis = 0))
print("第一列的最小值",np.amax(a,axis = 0))

• ptp()返回沿轴的值得范围，使用代码和运行结果如图

import numpy as np 
a = np.array([[3,7,5],[8,4,3],[2,4,9]]) 
print("整个数组的范围",np.ptp(a))
print("x轴范围",np.ptp(a, axis =  1))
print("y轴范围",np.ptp(a, axis =  0))

• median()求中值，使用代码和运行结果如图

#求中值
import numpy as np 
a = np.array([[3,7,5],[8,4,3],[2,4,9]]) 
print("整个数组的中值",np.median(a))
print("x轴中值",np.median(a, axis =  1))
print("y轴中值",np.median(a, axis =  0))

• mean()求算术平均值，使用代码和运行结果如图

#求平均值
import numpy as np 
a = np.array([[3,7,5],[8,4,3],[2,4,9]])
print("整个数组的平均值",np.mean(a))
print("x轴平均值",np.mean(a, axis =  1))
print("y轴平均值",np.mean(a, axis =  0))

• average()求加权平均值，使用代码和运行结果如图

#求加权平均值
a = np.array([1,2,3,4,5,6])
#权重
b = np.array([1,2,3,4,5,6])
print("不指定权重",np.average(a))
print("指定权重",np.average(a,weights = b))

• std()求标准差，使用代码和运行结果如图

#标准差
import numpy as np 
a = np.array([1,2,3,4,5,6])
b=np.std(a)
print("标准差",b)

• var()求方差，使用代码和运行结果如图

#方差
import numpy as np 
a = np.array([1,2,3,4,5,6])
b=np.var(a)
print("方差",b)