2021-09-03

学习目标：

练习numpy的用法

学习内容：

https://blog.csdn.net/PhyiscsLogical/article/details/119982566

练习代码：

图片练习：

import numpy as np
data = np.array([1,2,3])
print(data)
he = data.max()
print(he)

san = np.ones(3)
print(san)
ling = np.zeros(4)
print(ling)
suiji = np.random.random(3)
print(suiji)

jia = data+san
print(jia)
jian = data-san
print(jian)
chen = datadata
print(chen)
chu = data/data
print(chu)
data1 = data1.6
print(data1)

print(data[0],data[1],data[2])
print(data[:2])
print(data[1:])

max1 = data.max()
print(max1)
min1 = data.min()
print(min1)
sum1 = data.sum()
print(sum1)

data2 = np.ones((3,2))
print(data2)
data3 = np.zeros((3,2))
print(data3)
data4 = np.random.random((3,2))
print(data4)

ones_row = np.ones((1,2))
print(ones_row)
jia1 = data2 + ones_row
print(’\n’,jia1)

a = np.array([[1,10],[100,1000],[1000,10000]])
print(a)
zuchen = data.dot(a)
print(zuchen)
amax = a.max()
print(amax)
amin = a.min()
print(amin)
asum = a.sum()
print(asum)
列最大
aliemax = a.max(axis=0)
print(aliemax)
行最小
ahangmin = a.min(axis=1)
print(ahangmin)

转置
b = np.array([[1,2],[3,4],[5,6]])
print(b)
c = b.T
print©

代码练习：

数组垂直拆分 numpy.vsplit resharp 分成几行几列
c = np.arange(1,13).reshape(4,3)
print©
d = np.vsplit(c,4)
print(d)

水平拆分
d = c.T
print(d)
e = np.hsplit(d,2)
print(e)

import numpy as np

W = np.array([[1,1,1],[2,3,4]])

x = W[:,1] #取w的第二列
print(x)
y = W[1,:]# 取第二行
print(y)
z = W[1] #取第二行 中括号里直接跟数字就是行，如果是[:]那么冒号前面是行，冒号后面是列。
print(z)

W[:,0] = np.array([5,5])# 将W的第一列设为5 5

print(W)

insert()函数
import numpy as np
m = [
[1,2,3,4],
[5,6,7,8],
[9,10,11,12]
]
#x y
q1 = np.insert(m,1,[1,1,1,1],0)#最后面一个数是指维度，0 代表行; 1 代表列 第一个一代表在x+1行上添加y
print(’>>>>q1>>>>\n’,q1)

q2 = np.insert(m, 0, [1,1,1], 1)#最惠一位数是1，代表列，所以是在第一列加上111
print(’>>>>q2>>>>\n’,q2)

delete函数
import numpy as np
m = [
[1,2,3,4],
[5,6,7,8],
[9,10,11,12]
]

p1 = np.delete(m,1,0)# 删掉第二行
print(’>>>>p1>>>>\n’,p1)

p2 = np.delete(m,1,1)
print(’>>>>p2>>>>\n’,p2)#删掉第二列

p3 = np.delete(m,0,1)
print(’>>>>p3>>>>\n’,p3) #删掉第一列

p4 = np.delete(m,3,1) ##两个数中后面一个数是指维度，0 代表行 1 代表列 1 0 就代表第二行 0 1 代表第一列
print(’>>>>p4>>>>\n’,p4)

append函数
numpy.append(arr,values,axis=None)
将values插入到目标arr的最后，其中values与arr应该有相同维度
import numpy as np
m = [
[1,2,3,4],
[5,6,7,8],
[9,10,11,12]
]

p1 = np.append(m,[[1,1,1,1]],axis=0)# axis 代表维度，0 代表行 1 代表列 0代表加一行 1 代表加一列
print(’>>>>p1>>>>\n’,p1)

p2 =np.append(m,[[1],[1],[1]],axis=1)#加一列111
print(’>>>>p2>>>>\n’,p2)

np.random.choice(a, size, replace, p)生成列表函数
其作用是按要求生成一个一维数组
a是生成一维数组的来源，可以是int类型，可以是数组，也可以是list
size 数组的维度replace 表示从a中是否不重复抽取，默认可重复 p 给出抽取概率，默认随机
注意 ：这里是围绕数组展开的，如果提取的也是list，可以用 from random import choice 的 choice，可用 from random import sample 随机抽取一组元素

import numpy as np#随机生成列表
a1 = np.random.choice(10,3)
print(a1)

a2 = np.random.choice(10,3,0)#第三位代表是否能重复， 0代表不能 1 代表能
print(a2)

np.argmax(a, axis=None, out=None)函数
作用是返回轴的最大值的索引值
a：需要操作的数组或者矩阵，默认情况拉平成数组
axis：默认将a拉平，当axis=0对a按列取最大值索引，axis=1则对a按行取最大值索引
out：将结果写到a中

import numpy as np
a = np.array([[1,1],[2,2],[0,3]])
b1 = np.argmax(a)
print(’>>>>b1>>>>\n’,b1)# 好像是统计数？？？？？从零开始

b2 = np.argmax(a, axis=0)
print(’>>>>b2>>>>\n’,b2)# 没看懂？？？？

星号(*)的作用
列表前加星号作用是将列表解开成两个独立的参数，输入函数。
字典前加两个星号，是将字典解开成独立的元素作为形参。

ndarray.ndim代表的就是shape元组的长度。
numpy.linspace用法
numpy.linspace(start, shop, num==50, endpoint=True, retstep=False, dtype=None)
在指定间隔start到stop内返回均匀间隔的数组。
返回num均匀分布的样本，在[start, stop]，默认生成50个数据
endpoint， 如果是真，则一定包括stop，如果为False，一定不会有stop

import numpy as np
y1 = np.linspace(-20,20)#从20到到-20随机生成数，包括收尾
print(’>>>>y1>>>>\n’,y1)

y2 = np.linspace(2,10,5)#从2到10生成5个数
print(’>>>>y2>>>>\n’,y2)

y3 = np.linspace(1,10,10,endpoint=False,retstep=True)#不包括结尾，并显示步长（就是每个数和前一个数的差）
print(’>>>>y3>>>>\n’,y3)

np.prod() 计算元素乘积
import numpy as np
x = np.array([[1,2,3],[4,5,6]])
y1 = np.prod(x)
print(y1)

y2 = np.prod(x,axis=1)# 好像按照行来分别计算1 2 3 和 4 5 6；axis=1按照行来计算，等于0按照列来计算
print(y2)

把矩阵大于或小于N的元素置M的技巧

import numpy as np
x = np.array([[1,2,3],[-3,2,4],[5,-2,9]])
# a b
y1 = np.maximum(3,x)# 把小于3的数替换为3
print(y1)

x1 = x.copy()#就是重新复制一遍原数组x
print(x1)

x1[x1 < 0] = 0 # 把小于0的元素置0，改变x1的值
print(x1)

x2 = x.copy()
x2[x2 > 0] = 0 # 把大于0的元素置0，改变x2的值
print(x2)

numpy中的矩阵copy问题
import numpy as np
x = np.array([[1,2,3],[-3,2,4],[5,-2,9]])

x1 = x.copy() #就上上面一样 重新复制一边原数组
print(x1)

x1[x1<0] = 1 #把小于0的值重新赋值为1 好像和上面一样
print(x1)

x2 = x# 直接等于，未开辟新地址，x2与x相关联
print(x2)
x3 = np.array([[1,2,3],[-3,2,4],[5,-2,9]])#将第三行换成100
x3[2] = 100
print(x3)

x2[x2>0] = 0#x2中大于0的数赋值为0
print(x2)

np.zeros_like()构造全零矩阵，无需指定大小
import numpy as np
x = np.array([[1,2,3],[4,5,6]])#产生一个矩阵
y = np.zeros_like(x)#生成一个和x一样大的矩阵
print(y)

random.rand和random.rand和random.randint区别
np.random.random() 生成一个随机数在0和1之间
a = random.uniform(-100, 100)#在-100 和100之间生成随机数
产生随机浮点数
import numpy as np
n = np.random.rand(5,5)#随机生成一个大小是5 5的矩阵 里面是随机的浮点数
print(n)
np.random.randn() 生成正太分布矩阵
x = np.random.randn(5,5)#还是生成一个矩阵，矩阵的数符合正态分布
print(x)

np.randm.randint() 生成离散均匀分布的整数值组成的矩阵

z = np.random.randint(2,9,(2,3))#生成随机数在2-9之间的大小为2 3的矩阵
print(z)

import numpy as np
a = np.arange(95,99).reshape(2,2)#自动填充大小为 2 2的矩阵，填充的数为95-99
print(a)

b = np.pad(a,((3,2),(2,3)),constant_values = (0,0)) #在矩阵行的上部分添加3行，下部分添加2行，在列的左部分添加2列，右部分添加3列。
print(b)

c = np.array([[[1,2],[3,4]],[[3,4],[7,8]],[[4,5],[1,2]]])
print©

d = np.pad(c, ((0,0),(1,1),(1,1)), constant_values = 0)#在c生成的三个矩阵周围布满0
print(d)

判断两个矩阵元素完全相等&&存在相等
import numpy as np
a = np.array([[1,2,3][1,2,3]])
b = np.array([[1,2,3][1,2,3]])
c = np.array([[1,4,3][1,2,3]])
print((a==b).all())

np.full 用于形成元素全为某元素的矩阵 np.full(shape, val): 生成形为 shape 的元素全为 val 的矩阵
np.meshgrid() 快速生成网格
import numpy as np
x = np.array([1,3,5])
y = np.array([4,6])
XX,YY = np.meshgrid(x,y)
print(XX)#生成两个X
print(YY)#生成两个Y

np.hstack() 和 np.vstack() 用于堆叠矩阵
import numpy as np
x = np.array([[3,4,5],[1,3,4]])
y = np.array([[1,1,1],[2,2,2]])
a = np.hstack((x,y)) # 水平堆叠
print(a)
b = np.vstack((x,y))# 竖直堆叠
print(b)

numpy 取整
np.round 和 np.around 一致，均是四舍五入运算，默认取整，可通过 decimals 调整小数位数
import numpy as np
a = np.array([0.125,0.568,5.688])
a1 = np.round(a)#进行取证 按照四舍五入
print(a1)
a2 = np.round(a,decimals = 2)#进行取证 按照四舍五入保留两位小数
print(a2)
a3 = np.floor(a) # 向下取整
print(a3)
a4 = np.ceil(a) # 向上取整
print(a4)

np.newaxis 在特定位置增加一个维度
import numpy as np
c = np.array([1,2,5,4])
c[:,np.newaxis]
print©
python 广播机制