Python Day05

 一、N维数组-ndarry

import numpy as np
a=np.array([[1,2,3],[4,5,6]])
#打印形状
a.shape
#（2,3） np.shape(a)
#维度
a.ndim
#2
#元素数量
a.size
#6
#元素长度（字节）
a.itemsize
#4
#元素类型
a.dtype
#dtype('int32')
#去重
temp = np.array([[1, 2, 3, 4],[3, 4, 5, 6]])
 np.unique(temp)
array([1, 2, 3, 4, 5, 6]

  

 

 

 

二、基本操作

1.生成数组

特殊数组

#生成全1矩阵
a1=np.ones([4,8])
#生成全0矩阵
a2=np.zeros([4,8])
#参照a1生成全0矩阵
a3=np.zeros_like(a1)

 从现有数组生成数组：

array从现有数组中创建：深拷贝 array仍然会copy出一个副本，占用新的内存

asarry相当于索引，并没有创建新数组：浅拷贝

a=np.array([[1,2,3],[4,5,6]])
b=np.array(a)
c=np.asarray(a)
a[0,0]=100
#a：array([[100,   2,   3],
       [  4,   5,   6]])
#b:array([[1, 2, 3],
       [4, 5, 6]])
#c:array([[100,   2,   3],
       [  4,   5,   6]])

 生成固定范围数组

# 生成等间隔的数组  
#np.linspace (start, stop, num, endpoint)
#起始值，终止值，数量，是否包含stop（默认为TRUE）
np.linspace(0, 100, 11）
#生成等差数组 不包括stop 相当于range
np.arange(start,stop, step, dtype）
#生成等比数组
np.logspace(start,stop, num)

生成随机数组

np.random.random()生成一个0到1的随机浮点数：0<=n<1.0

np.random.uniform()左闭右开，随机数

np.random.randint()左闭右闭，随机取整生成一个指定范围内的整数。其中参数a是下限，参数b是上限，生成的随机数n：a<=n<=b

2.ndarray运算

np.all()
np.any()
- np.max()
- np.min()
- np.median()
- np.mean()
- np.std()
- np.var()
- np.argmax(axis=) — 最大元素对应的下标
- np.argmin(axis=) — 最小元素对应的下标

3.数组间的计算

numpy 广播机制

 

 

 

 

 

 

广播机制的条件：对两个数组上进行运算时，NumPy会从最后一个维度开始，逐维度地比较它们的大小（不足的维度补1）。两个数组对应的维度需要满足两者相等或其中一个为1才可以进行广播，否则会报错。且计算结果每一维的尺寸为A，B对应维度尺寸的最大者。 

4.矩阵计算

满足结合律不满足交换律

• np.matmul

• np.dot

• 注意：二者都是矩阵乘法。 np.matmul中禁止矩阵与标量的乘法。 在矢量乘矢量的內积运算中，np.matmul与np.dot没有区别。