numpy基础运算

import numpy as np

# a 和 b 是两个属性为 array 也就是矩阵的变量，而且二者都是1行4列的矩阵， 其中b矩阵中的元素分别是从0到3。
a = np.array([10, 20, 30, 40])
b = np.arange(4)
# 矩阵减法
c = a - b
# 矩阵加法
c = a + b
# 矩阵乘法
c = a * b
# array([  0,  20,  60, 120])
# 矩阵的乘方
c = b ** 2
# 三角函数
c = 10 * np.sin(a)
# 逻辑判断
c = b < 3
# 高级操作 此时构造出来的矩阵a和b便是2行2列的
a = np.array([[1, 1], [0, 1]])
# array([[1, 1],
#       [0, 1]])
b = np.arange(4).reshape((2, 2))
# array([[0, 1],
#       [2, 3]])
# 标准矩阵乘法，左行右列法
c = np.dot(a, b)
c = a.dot(b)
# 关于 sum(), min(), max()的使用
a = np.random.random((2, 4))  # 结果可能会不一样. 令a中生成一个2行4列的矩阵，且每一元素均是来自从0到1的随机数
# sum
c = np.sum(a)
# min
c = np.min(a)
# max
c = np.max(a)
# 如果需要对行或者列进行查找运算，就需要在上述代码中为 axis 进行赋值。 当axis的值为0的时候，将会以列作为查找单元， 当axis的值为1的时候，将会以行作为查找单元。
# 以行为单位
c = np.sum(a, axis=1)
# 以列为单位
c = np.max(a, axis=0)
# 索引操作
a = np.arange(2, 14).reshape((3, 4))
#  argmin() 和 argmax() 两个函数分别对应着求矩阵中最小元素和最大元素的索引
# print(np.argmin(a))  # 最小索引
# print(np.argmax(a))  # 最大索引
# 计算均值
c = np.mean(a)
c = np.average(a)
c = a.mean()
c = np.median(a)
# 累加函数
c = np.cumsum(a)  # 生成的每一项矩阵元素均是从原矩阵首项累加到对应项的元素之和
# 累差函数
c = np.diff(a)  # 该函数计算的便是每一行中后一项与前一项之差，故一个3行4列矩阵通过函数计算得到的矩阵便是3行3列的矩阵。
# nonzero()函数：将所有非零元素的行与列坐标分割开，重构成两个分别关于行和列的矩阵
c = np.nonzero(a)
# 我们可以对所有元素进行仿照列表一样的排序操作，但这里的排序函数仍然仅针对每一行进行从小到大排序操作：
a = np.arange(14, 2, -1).reshape((3, 4))
c = np.sort(a)
# 矩阵的转置
print(a)
c = np.transpose(a)
c = a.T
# clip()函数：格式是clip(Array,Array_min,Array_max)Array指的是将要被执行用的矩阵，而后面的最小值最大值则用于让函数判断矩阵中元素是否有比最小值小的或者比最大值大的元素，并将这些指定的元素转换为最小值或者最大值。
c = np.clip(a, 5, 9)
print(c)