目录
numpy构建矩阵
#将numpy简写为np方便下面引用
import numpy as np
#转化为数组
array = np.array([[1,2,3],
[2,3,4]],dtype=np.int64)
print(array.dtype)
#显示
int64
#将numpy简写为np方便下面引用
import numpy as np
#生成一个三行四列全部为0的矩阵
array = np.zeros((3,4))
#生成一个三行四列全部为1的矩阵
a = np.ones((3,4))
print(array)
print(a)
显示
[[0. 0. 0. 0.]
[0. 0. 0. 0.]
[0. 0. 0. 0.]]
[[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]]
#将numpy简写为np方便下面引用
import numpy as np
#arange内的1-25的数字,步长为2的四行三列的矩阵
array = np.arange(1,25,2).reshape((4,3))
print(array)
#显示:
[[ 1 3 5]
[ 7 9 11]
[13 15 17]
[19 21 23]]
linspace内的数字是1-10生成5个数字
array = np.linspace(1,10,5)
#显示
[ 1. 3.25 5.5 7.75 10. ]
array = np.linspace(1,20,8).reshape((4,2))
#显示
[[ 1. 3.71428571]
[ 6.42857143 9.14285714]
[11.85714286 14.57142857]
[17.28571429 20. ]]
numpy基础运算
import numpy as np
a = np.array([10,20,30,40])
b = np.arange(4)
print(a,b)
c = a - b
print(c)
# 显示
[10 20 30 40] [0 1 2 3]
[10 19 28 37]
矩阵的乘法
在矩阵中,要实现两个矩阵内部元素分别相乘可以直接用a * b,但是要实现矩阵相乘则需要 np.dot(a,b)
import numpy as np
a = np.array([[10,20],
[30,40]])
b = np.arange(4).reshape((2,2))
c = a * b
c_dot = np.dot(a,b)#也可以:c_dot = a.dot(b)
print(c)
print(c_dot)
[[ 0 20]
[ 60 120]]
[[ 40 70]
[ 80 150]]
求矩阵内元素的和、最值
import numpy as np
#随机生成一个矩阵
a = np.random.random((2,3))
print(a)
#求矩阵内的和
print(np.sum(a))
#求矩阵内的最大值
print(np.max(a))
print(np.min(a))
#矩阵内的每一列求和
print(np.sum(a,axis=0))
#矩阵内的每一行最大值
print(np.max(a,axis=1))
矩阵索引、平均值中位数、累加
#找矩阵的元素
print(a[2][3])#也可以表示: print(a[2,3])
print(a[2,1:3])
#找出矩阵a的最大值的索引
a = np.arange(2,14).reshape((3,4))
print(np.argmax(a))
#输出结果
11
np.mean(a) # a.mean()
np.average(a)
np.median(a)
a = np.arange(2,14).reshape((3,4))
print(a)
print(np.cumsum(a))
# 显示:
[[ 2 3 4 5]
[ 6 7 8 9]
[10 11 12 13]]
[ 2 5 9 14 20 27 35 44 54 65 77 90]
矩阵累差、查找非零数、排序、转置、截取
#按行累差
print(np.diff(a))
#分别查找非零元素的行和列
print(np.nonzero(a))
#按行排序
print(np.sort(a))
#转置
print(np.transpose(a))
print(a.T)
#将小于5的数变为5,大于8的数等于8
print(np.clip(a,5,8))
array合并
import numpy as np
a = np.array([2,3,5])
b = np.array([4,5,6])
print(np.vstack((a,b))) #vertical stack纵向合并
#将一行序列变成一列矩阵
print(a[:,np.newaxis])
import numpy as np
a = np.array([3,6,5])[:,np.newaxis]
b = np.array([4,5,6])[:,np.newaxis]
c = np.hstack((a,b))
print(c)
#显示:
[[3 4]
[6 5]
[5 6]]
c = np.concatenate((a,b,a,b),axis=1) #1就是横向合并
array分割
import numpy as np
a = np.arange(12).reshape((3,4))
#将矩阵a按列分为4块,要平均!
print(np.split(a,4,1))
#可以不平均
print(np.array_split(a,3,1))
print(np.vsplit(a,3))
print(np.hsplit(a,2))
copy & deep copy
在numpy中直接令array a = b 其地址均一样;
使用 b = a.copy() 就仅仅是复制,和地址无关