# !/user/bin/env Python3
# -*- coding:utf-8 -*-
"""
file:NumpyTest.py
create time:2021/3/19 10:20
author:Loong Xu
desc: Numpy测试(数组矩阵)
"""
import numpy as np
# 1.认识numpy
array = np.array([[1, 2, 3],
[2, 3, 4]])
print(array)
print('维度:', array.ndim)
print('形状:', array.shape)
print('大小:', array.size)
# 2.定义矩阵
# 定义一个一维矩阵,类型为float(默认为64)
a = np.array([1, 2, 3], dtype=np.float)
print(a)
# 定义一个二维矩阵
b = np.array([[1, 2, 3], [4, 5, 6]])
print(b)
# 定义一个2行3列的二维零矩阵
c = np.zeros((2, 3))
print(c)
# 定义一个2行3列的二维一矩阵
d = np.ones((2, 3))
print(d)
# 定义一个2行3列的空矩阵(值接近0)
e = np.empty((2, 3))
print(e)
# 定义一个排序好的间隔为2的一维矩阵
f = np.arange(1, 10, 2)
print(f)
# 按顺序生成一个三行四列的矩阵
g = np.arange(12).reshape(3, 4)
print(g)
# 生成一个线性矩阵,可根据第三个参数确定矩阵长度及步长
h = np.linspace(1, 10, 20) # 从1到10生成20个数
print(h)
# 随机生成
i = np.random.random((2, 4))
print(i)
# 3.numpy矩阵运算
a = np.array([10, 20, 30, 40])
b = np.arange(4)
c = a + b
print(c)
d = a * b
print(d)
e = b ** 2 # 平方
print(3)
f = np.sin(a) # 求sin
print(f)
print(b < 3) # 判断b中数据是否小于3
g = np.array([[1, 1], [0, 1]])
h = np.arange(4).reshape((2, 2))
i = g * h # g与h对应相乘
i_dot = np.dot(g, h) # g与h进行矩阵相乘
i_dot_2 = g.dot(h) # 与上面相同
print(np.sum(a)) # 求a矩阵所有数的和
print(np.sum(a, axis=0)) # 求a矩阵每一列所有数的和,axis=1的话是对行进行计算
print(np.min(a)) # 求a矩阵最小值
print(np.max(a)) # 求a矩阵最大值
print(np.argmin(a)) # 求a矩阵最小值索引(位置)
print(np.argmax(a)) # 求a矩阵最大值索引
print(np.mean(a), a.mean(), np.average(a)) # 求平均值
print(np.median(a)) # 求中位数
print(np.cumsum(a)) # 累加值矩阵
print(np.diff(a)) # 与前一个元素的差值
print(np.nonzero(a)) #
print(np.sort(a), a.sort()) # 排序
print(np.transpose(a), a.T) # 矩阵的反相
print(np.clip(a, 5, 9)) # 处理a矩阵,所有小于5的都改为5,大于9的都改为9
# 4.索引
A = np.arange(3, 15)
print(A[3]) # 输出A矩阵索引为3的数
B = np.arange(3, 15).reshape(3, 4)
print(B[1][1], B[1, 1], # 输出B矩阵第2行第2列的数
B[1, :], # 输出B矩阵第二行所有的数
B[:, 1], # 输出B矩阵第二列所有的数
B[1, 1:3]) # 输出B矩阵第二行索引为1和2的数
# 输出B矩阵每行数
for r in B:
print(r)
# 输出B㐣每列数
for c in B.T:
print(c)
# 输出所有项
for i in B.flat:
print(i)
# 5.array合并
A = np.array([1, 1, 1])
B = np.array([2, 2, 2])
print(np.vstack((A, B))) # 对A与B进行上下合并为两行三列的矩阵
print(np.hstack((A, B))) # 对A与B进行左右合并为一行的矩阵
print(A[np.newaxis, :]) # 在A的行上加一个维度
print(A[:, np.newaxis]) # 在A的列上加一个维度
print(np.concatenate((A, B, B, A), axis=0)) # 多维合并,axis=0为上下合并
# 6.array分割
A = np.arange(12).reshape((3, 4))
print(np.split(A, 2, axis=1)) # 纵向均匀分割为两个array
print(np.array_split(A, 3, axis=1)) # 纵向不均匀分割为三个array
print(np.vsplit(A, 3)) # 纵向分割为三个array
print(np.hsplit(A, 2)) # 横向分割为两个array
# 7.array的复制
a = np.arange(4)
b = a # b就是a而不是复制体
c = a.copy() # c是a的复制体