numpy 的array操作
1.导入numpy库
import numpy as np
# 没有numpy库的可以通过pip下载。
# 利用清华源下载:pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
2.建立一个一维数组 a 初始化为[4,5,6]
(1)输出a 的类型(type)
(2)输出a的各维度的大小(shape)
(3)输出 a的第一个元素(值为4)
a = np.array([4,5,6])
print(type(a))
# 直接定义a=[4,5,6]的话,a为list类型
print(a.shape)
print(a[0])
结果:
3.建立一个二维数组 b,初始化为 [[4, 5, 6],[1, 2, 3]]
(1)输出各维度的大小(shape)
(2)输出 b(0,0),b(0,1),b(1,1) 这三个元素(对应值分别为4,5,2)
b = np.array([[4,5,6],[1,2,3]])
# 建立多维数组的时候注意在数据最外围加上一组[]
print(b.shape)
print(b[0,0],b[0,1],b[1,1])
结果:
4.
(1)建立一个全0矩阵 a, 大小为 3x3; 类型为整型(提示: dtype = int)
(2)建立一个全1矩阵b,大小为4x5;
(3)建立一个单位矩阵c ,大小为4x4;
(4)生成一个随机数矩阵d,大小为 3x2.
a = np.zeros((3,3),int)
print(a)
b = np.ones((4,5),int)
print(b)
c = np.identity(4,int)
print(c)
d = np.random.randint(1,10,dtype=int,size=(3,2))
print(d)
结果:
5. 建立一个数组 a,(值为[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]] )
(1)打印a;
(2)输出 下标为(2,3),(0,0) 这两个数组元素的值
a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
print(a)
print(a[2,3],a[0,0])
结果:
6.把上一题的 a数组的 0到1行 2到3列,放到b里面去,(此处不需要从新建立a,直接调用即可)(1),输出b;
(2) 输出b 的(0,0)这个元素的值
b = a[0:2,2:4]
print(b)
print(b[0,0])
'''
逗号前是取行,逗号后是取列
取某行
X[0] #取第0行
X[0,:] #取第0行,:后面空表示该行取所有列的元素
X[0:m] #取第0至第m-1行
取某列
X[:,0] #取第0列 X[:,-1] #取倒数第一列 ,:前面空表示该列取所有行的元素
X[:,m:n] #取第m到第n-1列
X[:,0:-1] #取第0到倒数第二列(-1表示倒数第一列,区间是到它的前一列)
'''
结果:
7. 把第5题中数组a的最后两行所有元素放到 c中。
(1)输出 c ;
(2) 输出 c 中第一行的最后一个元素(提示,使用 -1 表示最后一个元素)
c = a[1:3,:]
print(c)
print(c[0,-1])
结果:
8.建立数组a,初始化a为[[1, 2], [3, 4], [5, 6]],输出 (0,0)(1,1)(2,0)这三个元素(提示: 使用 print(a[[0, 1, 2], [0, 1, 0]]) )
a = np.array([[1,2],[3,4],[5,6]])
print(a[[0,1,2],[0,1,0]])
结果:
9.建立矩阵a ,初始化为[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]],输出(0,0),(1,2),(2,0),(3,1) (提示使用 b = np.array([0, 2, 0, 1]) print(a[np.arange(4), b]))
a = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
b = np.array([0, 2, 0, 1])
print(a[np.arange(4), b])
'''
np.arange函数返回一个有终点和起点的固定步长的排列
参数个数情况: np.arange()函数分为一个参数,两个参数,三个参数三种情况
1)一个参数时,参数值为终点,起点取默认值0,步长取默认值1。
2)两个参数时,第一个参数为起点,第二个参数为终点,步长取默认值1。
3)三个参数时,第一个参数为起点,第二个参数为终点,第三个参数为步长。其中步长支持小数
'''
结果:
10.对9 中输出的那四个元素,每个都加上10,然后重新输出矩阵a.(提示: a[np.arange(4), b] += 10 )
a[np.arange(4), b] += 10
print(a)
结果:
array 的数学运算
11. 执行 x = np.array([1, 2]),然后输出 x 的数据类型
x = np.array([1,2])
print(type(x))
结果:
12.执行 x = np.array([1.0, 2.0]) ,然后输出 x 的数据类类型
x = np.array([1.0,2.0])
print(type(x))
结果:
13.执行 x = np.array([[1, 2], [3, 4]], dtype=np.float64) ,y = np.array([[5, 6], [7, 8]],
dtype=np.float64),然后输出 x+y ,和 np.add(x,y)
x = np.array([[1, 2], [3, 4]],dtype=np.float64)
y = np.array([[5, 6], [7, 8]],dtype=np.float64)
print(x+y)
print(np.add(x,y))
结果:
14. 利用 13题目中的x,y 输出 x-y 和 np.subtract(x,y)
print(x-y)
print(np.subtract(x,y))
结果:
15. 利用13题目中的x,y 输出 x*y ,和 np.multiply(x, y) 还有 np.dot(x,y),比较差异。然后自己换一个不是方阵的试试。
x,y是方阵
print(x*y)
print(np.multiply(x, y))
print(np.dot(x,y))
'''
差异:
x*y 与 np.multiply(x, y)是矩阵对应位置相乘后放到新矩阵的对应位置。
np.dot(x,y)则是进行矩阵乘法,即对应行与列相乘后相加的和放到新矩阵的对应位置
'''
更改x,y为不是方阵:
# x,y不是方阵时:
# x,y的行列数相反
x = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float64)
y = np.array([[7, 8], [9, 10], [11, 12]], dtype=np.float64)
# print(x*y)
# print(np.multiply(x, y))
print(np.dot(x,y))
# x,y的行列数相同
x = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float64)
y = np.array([[7, 8, 9], [10, 11, 12]], dtype=np.float64)
print(x*y)
print(np.multiply(x, y))
# print(np.dot(x,y))
'''
运行后可发现:
情况一只有np.dot(x,y)可以运行成功,另外两种会显示错误,因为位置不完全对应
情况二只有np.dot(x,y)不能运行成功,因为不满足矩阵乘法的条件。
'''
结果:
x,y是方阵
更改x,y为不是方阵:
1.x,y的行列数相反
2.x,y的行列数相同
16. 利用13题目中的x,y,输出 x / y .(提示 : 使用函数 np.divide())
x = np.array([[1, 2], [3, 4]],dtype=np.float64)
y = np.array([[5, 6], [7, 8]],dtype=np.float64)
print(np.divide(x,y))
结果:
17. 利用13题目中的x,输出 x的 开方。(提示: 使用函数 np.sqrt() )
x = np.array([[1, 2], [3, 4]],dtype=np.float64)
print(np.sqrt(x))
结果:
18.利用13题目中的x,y ,执行 print(x.dot(y)) 和 print(np.dot(x,y))
x = np.array([[1, 2], [3, 4]],dtype=np.float64)
y = np.array([[5, 6], [7, 8]],dtype=np.float64)
print(x.dot(y))
print(np.dot(x,y))
结果:
19.利用13题目中的 x,进行求和。提示:输出三种求和
(1)print(np.sum(x));
(2)print(np.sum(x,axis =0 ));
(3)print(np.sum(x,axis = 1))
x = np.array([[1, 2], [3, 4]], dtype=np.float64)
print(np.sum(x))
# axis默认值 整体求和
print(np.sum(x, axis=0))
# axis=0 按列求和
print(np.sum(x, axis=1))
# axis=1 按行求和
结果:
20.利用13题目中的 x,进行求平均数(提示:输出三种平均数)
(1)print(np.mean(x))
(2)print(np.mean(x,axis = 0))
(3) print(np.mean(x,axis =1))
x = np.array([[1, 2], [3, 4]], dtype=np.float64)
print(np.mean(x))
print(np.mean(x, axis=0))
print(np.mean(x, axis=1))
结果:
21.利用13题目中的x,对x 进行矩阵转置,然后输出转置后的结果,(提示: x.T 表示对 x 的转置)
x = np.array([[1, 2], [3, 4]], dtype=np.float64)
print(np.transpose(x))
结果:
22.利用13题目中的x,求e的指数(提示: 函数 np.exp())
x = np.array([[1, 2], [3, 4]], dtype=np.float64)
print(np.exp(x))
结果:
23.利用13题目中的 x,求值最大的下标
(1)print(np.argmax(x))
(2) print(np.argmax(x, axis =0))
(3)print(np.argmax(x),axis =1))
x = np.array([[1, 2], [3, 4]], dtype=np.float64)
print(np.argmax(x))
# 寻找整体最大值的索引值
print(np.argmax(x, axis =0))
# 按列寻找,返回每列最大值的索引值
print(np.argmax(x, axis =1))
# 按行寻找,返回每行最大值的索引值
结果:
24,画图,y=x*x 其中 x = np.arange(0, 100, 0.1) (提示这里用到 matplotlib.pyplot 库)
import matplotlib.pyplot as plt
x = np.arange(0, 100, 0.1)
y = x * x
plt.plot(x,y)
plt.show()
结果:
25.画图。画正弦函数和余弦函数, x = np.arange(0, 3 * np.pi, 0.1)(提示:这里用到 np.sin() np.cos() 函数和 matplotlib.pyplot 库)
x = np.arange(0, 3 * np.pi, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x,y1)
plt.plot(x,y2)
plt.show()
结果: