【numpy】（二）基本操作

 

                                                       目录

1，矩阵处理不能用python基础数据结构list，需要用矩阵数据结构例如numpy

2，矩阵与数操作（加减乘除）

3，矩阵与矩阵操作（加减乘除）

4，矩阵的点乘与叉乘 

4.1 np.multiply()点乘

4.2 np.matmul()叉乘 

4.3 np.dot()一维內积，二维叉乘

5，shape查看矩阵的大小

6，type查看数据结构

7，dtype查看数据格式

8，ndarray结构，里面的元素必须是同一种格式，否则会强制向下进行数据格式转换。

9，numpy取数据

9.1 左边索引从0开始，右边索引从-1开始

9.2 分片用冒号，含头不含尾

9.3 从指定位置一直取到结尾

9.4 多维矩阵，每一维之间用逗号隔开

10，=赋值

11，copy深拷贝，会开辟新的内存空间

12，布尔索引 

13，条件判断返回的就是布尔索引 

14，object类型就直接认为是str

15，astype数据类型转换

---

1，矩阵处理不能用python基础数据结构list，需要用矩阵数据结构例如numpy

2，矩阵与数操作（加减乘除）

3，矩阵与矩阵操作（加减乘除）

注：矩阵与矩阵的加减乘除，是相同位置对相同位置的加减乘除，所以两个矩阵结构必须相同（同行同列）！！！ 

4，矩阵的点乘与叉乘 

4.1 np.multiply()点乘

上面的星号乘法（*）称为点乘，另外一种写法是调用函数np.multiply()

4.2 np.matmul()叉乘 

如何实现线代书本上的矩阵乘法（叉乘）

4.3 np.dot()一维內积，二维叉乘

  

5，shape查看矩阵的大小

注：基础数据结构没有shape操作，list就没又shape属性，而numpy和pandas有shape属性。

6，type查看数据结构

注：type方法为python自带，任何数据结构都可以用该方法查看，而且不用导入包。

7，dtype查看数据格式

注：dtype方法为numpy数据格式特有查看数据格式的方法，例如pandas查看数据格式用dtypes

8，ndarray结构，里面的元素必须是同一种格式，否则会强制向下进行数据格式转换。

9，numpy取数据

9.1 左边索引从0开始，右边索引从-1开始

9.2 分片用冒号，含头不含尾

9.3 从指定位置一直取到结尾

9.4 多维矩阵，每一维之间用逗号隔开

10，=赋值

注：赋值前后变量都指向同一片内存区域，改动赋值后的数据会影响改动前的数据。

11，copy深拷贝，会开辟新的内存空间

12，布尔索引 

注：

（1）可以按照网络子网掩码来理解，1表示取该位，0表示不取该位。

（2）矩阵数据结构，用True表示取该位，用False表示不取该位。

13，条件判断返回的就是布尔索引 

14，object类型就直接认为是str

15，astype数据类型转换

注：astype会新开辟一块内存空间，不会改变原始数据类型。