numpy中的数组和矩阵

矩阵是数组的分支，基本上通用（官方建议如果两个通用，就用array），array更灵活。两者比较大的区别在乘法中。

1. 当为array的时候，默认d*f就是对应元素的乘积，multiply也是对应元素的乘积，dot（d,f）会转化为矩阵的乘积， dot点乘意味着相加，而multiply只是对应元素相乘，不相加
2. 当为mat的时候，默认d*f就是矩阵的乘积，multiply转化为对应元素的乘积，dot（d,f）为矩阵的乘积 下面是我今天总结的一些array的用法（一部分，不全）（可能有错误的地方）

把想运行的代码前的#去掉即可

import numpy as np
#array = np.array([[1,2,3],[2,3,4]])
#print(array)
#print('number of dim:',array.ndim)#维数
#print('shape:',array.shape)#形状
#print('size:',array.size)#大小
#a = np.ones((3,4),dtype = np.int16)  #全部是1
#print(a)
#a = np.arange(10,20,2)#10开始到19，一步走2
#print(a)
#a = np.arange(12).reshape((3,4))#0到11
#print(a)
#a = np.linspace(1,10,6).reshape((2,3))#1到10，分6段
#print(a)
#运算
#a = np.array([10,20,30,40])
#b = np.arange(4)
#加减
#c = a+b
#print(c)
#三角函数
#c = np.sin(a)
#print(c)
#N次方
#c = a**3
#print(c)
#范围
#print(b<3)#== >[ True  True  True False]
#乘法
#c = a*b
#print(c)    #[  0  20  60 120]
#乘法(和线代两个矩阵相乘相同)
#a = np.array([[1,1],[0,1]])
#b = np.arange(4).reshape((2,2))
#c_dot = np.dot(a,b)
#c_dot_2 = a.dot(b)#效果一样
#print(c_dot)
#print(c_dot_2)
#a = np.random.random((2,4))#随机生成的0到1
#print(a)
#print(np.sum(a,axis = 1))#第一、二行的总和
#print(np.min(a,axis = 0))#每一列的最小值
#print(np.max(a,axis = 1))#每一行的最大值
#A = np.arange(14,2,-1).reshape((3,4))
#print(np.argmin(A))#最大值的索引
#print(np.argmax(A))#最小值的索引
#print(np.mean(A))
#print(np.mean(A,axis = 0))
#print(A.mean())
#print(np.average(A))#平均值
#print(np.median(A))#中位数
#print(np.cumsum(A))#累加
#print(np.diff(A))#两两的差
#print(np.nonzero(A))#找出非零的数
#print(np.sort(A))#排序行内的排序
#print(np.transpose(A))
#print(A.T)#反置
#print((A.T).dot(A))
#print(np.clip(A,5,9))#小于5的换成5，大于9的换成9
复制代码

转载于:https://juejin.im/post/5cb7451de51d456e5d3dac2b