自用numpy 查询用笔记，未完待补（别懈怠！加油写！~）

整理自：带佬详细指南

import numpy as np

目录

构造新矩阵：

已知转化为np矩阵：

构造指定范围和步长的矩阵：

取值：

广播与迭代：(记得补充广播）

矩阵对角线（包含上下三角）：

对角线元素的提取与构造：

上三角、下三角的构造：

---

构造新矩阵：

#
np.zeros(Dim,dtype=) 元素为0
np.ones(...) 元素为1
np.empty(...) 元素为空

已知转化为np矩阵：

np.asarray(A,dtype) A为任意形式矩阵/元组
#todo
np.array(A,dtype)

构造指定范围和步长的矩阵：

np.arange(start,stop,step,dtype)
np.linspace(start,stop,num,endpoint,dtype) 高级arange num为序列元素数量
np.logspace(start,stop,base,dtype,num) base为基，start和stop为指数

取值：

s=slice(start,stop,step)
A[s] 取以s中元素为下标的A中元素
A[a1:b1,a2:b2,...,an:bn] 对于n维向量，取an到bn的元素
A[X1,X2,...,Xi,...] 其中Xi为[Xi1,Xi2,...,Xij,...],即要取的第j个元素在第i维上的分量                
                    最后取的元素：A[X1j][X2j][...][Xij][...]
                    写的一坨，不知道怎么描述。矩阵还是得好好上课
A[条件] 满足条件的所有元素，贼强，未来的我要是想处理掉一些值可以用这个！

广播与迭代：(记得补充广播）

np.nditer(A,order) order='C'/'F'竖着串或者横着串，反正串成一条就好遍历了
np.nditer(A,order='F',flags=['external_loop']) 超有用，每个元素是一条竖着的串串(其实也就是转置                
                                               一下再遍历每行的串串啦）

矩阵对角线（包含上下三角）：

对角线元素的提取与构造：

numpy.eye(n,m,dtype,order,k) k=0默认为主对角线
                             k<0时k对角线为：[A[-k][0],A[-k+1][1],...,A[-k+i][i],...,
                             A[n-1][n-1+k]]，总之生成一个n*m的k对角线上值为1的矩阵
                             k>0 同理
numpy.diag(v,k=0) v为二维数组则取第k对角线元素生成一维数组，v为一维数组则构造一个对角线矩阵(第k个                                
                  对角线有值)
ex|np.diag(np.diag(A)) 神中神，返回一个对角矩阵

上三角、下三角的构造：

np.tri(n,m,k,dtype) 生成一个下三角矩阵，第k,k-1,...,k-i,...,-(n-1)个对角线元素均为1
np.tril(A,k) 构造一个下三角矩阵，取A的第k,k-1,...,k-i,...,-(n-1)个对角线，其余对角线元素为0
np.triu(A,k) 构造一个上三角矩阵，取A的第k,k+1,...,k+i,..., (n-1)个对角线，其余对角线元素为0

矩阵运算：

np.sum(A,axis) #对矩阵的第axis维的向量进行求和，第axis-1维元素=合并所有第axis维元素
               #使得d0*d1*d2*...*dn变为d0*d1*d2*d(axis-1)*d(axis+1)*...*dn
               #A[0:d0]...[0:d(axis-1)]=sum(d[d0]...[d(axis)][:])


A.T:转置

整理自：带佬运算相关

//todo