基于Anaconda的Numpy学习

前面我们讲了anaconda的下载及安装详细教程，现在我们开始学习numpy，其是python数值计算最重要的基础包。

anaconda和pycharm是两套不同的系统，所以我们要区分开来。

Anaconda安装模块

首先看安装相关模块怎么整？

在pycharm中，我们安装某一模块，经常在cmd控制台中，使用pip install 模块名来安装模块。

但是在anaconda中，我们应该在开始菜单，找到anaconda下面的anaconda prompt，并且键入命令conda install 模块名来安装模块。

由于我的已经安装了，所以显示如下信息，如果提示你们升级，点击y即可。

jupyter notebook使用

首先在开始菜单中找到anaconda下面的jupyter notebook，点击进入，其会自动跳转到相应页面。

跳到主页面后，我们可以在这里new python3文件。

其界面相关按钮及其含义如图所示。

Numpy

首先我们来看几个实例。

import numpy
vector=numpy.array([[5,10,15],[20,25,30],[35,40,45]])
print(vector)

这里调用numpy.array()方法，生成一个二维数组，注意整个参数外面是一个[]，然后里面每一个[]代表一行，注意格式。

import numpy as np
a = np.arange(1,10,2)
print(a)
print(type(a))
print(a.dtype)

np.arange和python中的range用法类似，这里type(a)是输出a的类型，a是ndarray类型，dtype是ndarray对象的属性，a.dtype是输出a中存储的数据类型。

import numpy as np
b = np.array(range(1,6),dtype='float32')
print(b)
print(type(b))
print(b.dtype)

我们可以在函数中传入参数，设置dtype。

c = np.arange(1,10).reshape(3,3)
c

我们可以调用reshape(行，列)方法，来改变ndarray对象的形状。

在打印的时候，可以直接使用变量名，但是其只能在最后一行，如果想打印非最后一行的数据，还是需要print(变量名)。

也可以对矩阵进行运算，如下！

Numpy属性

结合上述实例，想必对Numpy有一定的小了解，下面列表中列出了Numpy的相关属性，其中ndarray即为我们创建的Numpy对象！

Numpy方法

演示如下：

# 创建全为1的对象 第一个参数是对象的形状 （行数，列数） 第二个参数可以指定数据类型
d = np.ones((3,3),dtype=np.float16)
d

# 创建全为1的对象 参数是一个对象 会按照对象的形状创建全为1的数组
e = np.ones_like([[1,2,3],[4,5,6]])
e

创建等差数组，默认包含stop。

创建随机数组，使用的是np.random，由于很多，遇到了查一下就行。

改变类型和形状如下：

f = np.arange(1,10)
print(f)
print(type(f))
print(f.shape)
print(f.dtype)
# reshape是产生一个新的对象
g = f.reshape((3,3))
print(g)
print(type(g))
print(g.shape)
print(g.dtype)
# resize是改变原来的对象
g.resize((1,9))
print(g)
print(type(g))
print(g.shape)
print(g.dtype)
g.astype(np.float16).dtype

矩阵转置可以使用ndarray.T或者np.transpose(ndarray)。

逆矩阵：

单位矩阵：

点积：i，j表示两个矩阵。

np.dot(i,j)

i @ j

索引和切片

注意逗号后面可以省略，前面不可以省略。

矩阵拼接

nd1 = np.arange(1,7).reshape(2,3)
nd2 = np.arange(1,10).reshape(3,3)
# vstack()是垂直拼接，即拼接行，故两个矩阵的列相同。参数为tuple类型。
np.vstack((nd1,nd2))

nd3 = np.arange(1,7).reshape(3,2)
nd4 = np.arange(1,10).reshape(3,3)
# hstack()是水平拼接，即拼接列，故两个矩阵的行相同。参数为tuple类型。
np.hstack((nd3,nd4))

np.concatenate((nd3,nd4),axis=1)
np.concatenate((nd1,nd2),axis=0)

axis表示轴，在numpy中的二维数组，axis有0轴和1轴，0表示行变列不变，1表示列变行不变。

叮咚！结束！