数学科学模块—numpy模块

Jupyter notebook的安装与使用

1.在终端中通过安装加载jupyter notebook

pip install jupyter

2.cd到项目路径，然后运行jupyter notebook

jupyter notebook中内置的魔法命令

命令	说明
%run	引入外部的文件
%load	加载外部文件,可调用其内部函数
%timeit	计算函数运行的时间(取平均值)
%time	计算函数运行的时间(计算一次)
%html	加载html代码
%js	加载js代码

Numpy模块

介绍

Numpy的本质就是ndarray

numpy的安装与导入

1.在终端运行：pip install numpy
2.导入模块

   import numpy as np

Numpy模块中的常用方法

1.np.arange：生成数组

 np.arange(10)
 np.arange(2, 20, 3)  # np.arange(初始值, 结束值(不包含), 步进数)
 np.arange(2, 20, 0.3) #可以生成2到19并以0.3为步进的矩阵

2.np.zeros：初始化一个为0的矩阵

np.zeros(10)
np.zeros(10, dtype=int)
np.zeros(shape = (3, 5), dtype=int) #shape=(3,5)矩阵形状 dtype=矩阵类型

3.np.ones:初始化一个为1的矩阵

 np.ones(shape=(3,5),dtype=int)

4.np.full:初始化一个初始值为任意的矩阵

np.full(10, 99)  #矩阵np.full(个数,默认值)
np.full((3,5),99) #矩np.full(矩阵形状,默认值)

5.np.linspace:等差数列

np.linspace(0, 20, 10) #np.linspace(起始值，结束值，步进值)

6.np.random:随机数

np.random.randint(0, 10)
np.random.randint(0, 10, size = 5)
np.random.randint(0, 10, size = (2, 5))

np.random.seed(100)
np.random.randint(1, 10, 5)

np.random.random() # 0到1 的浮点数

np.random.random((3, 5)) # 0到1 的浮点数

np.random.seed(100) #随机种子
不会根据程序运行而改变随机数的值

numpy 的基础操作

1.数组维度

A.ndim  #获取数组的维度
A.shape #获取数组的形状
A.size #获取数组的元素个数
#修改矩阵的维度
a = np.arange(10)
a.reshape(2, 5)

2.数组切片

#定义一个数组
a = np.arange(10)
a
#输出
#array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
#切片操作
a[0:5] #a[起始值:结束值(不包含)]
#array([0, 1, 2, 3, 4])
a[:5] #0可以省略
#array([0, 1, 2, 3, 4])
a[5:]
#array([5, 6, 7, 8, 9])
a[0:8:2] #a[起始值:结束值(不包含):步进值]
#array([0, 2, 4, 6])
a[::2]
#array([0, 2, 4, 6, 8])
a[::-1] #当步进值等于-1时，表示矩阵反转
#array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])

#二维数组的切片操作
#初始化一个二维数组
X = np.arange(15).reshape(3, 5)
X
#array([[ 0,  1,  2,  3,  4],
#       [ 5,  6,  7,  8,  9],
#       [10, 11, 12, 13, 14]])

#取前2行，前3列
X[0:2,0:3]
#array([[0, 1, 2],[5, 6, 7]])
X[:2, :3] #0值可以省略
#array([[0, 1, 2],[5, 6, 7]])
#数据反转X[行反转，列反转]
X[::-1,::-1]
#array([[14, 13, 12, 11, 10],
#       [ 9,  8,  7,  6,  5],
#      [ 4,  3,  2,  1,  0]])
X.T #将行和列进行对调即行修改成列，列修改成行
#array([[ 0,  5, 10],
#      [ 1,  6, 11],
#      [ 2,  7, 12],
#      [ 3,  8, 13],
#      [ 4,  9, 14]])

3.数组的合并

#定义2个矩阵
X1=np.array([[18,168],
             [20,185]])
X2=np.array([[0],[1]])

#现在将X1与X2两个矩阵进行合并concatenate
#X3=np.concatenate([矩阵1,矩阵2],axis=1) axis中0表示行，1表示列，默认是0
X3=np.concatenate([X1,X2],axis=1)

4.数组的聚合

#求和
np.sum(X)
#取最大值
np.max(X)
#取平均值
np.mean(X)

更多numpy操作在numpy中文网址