Python-Nmupy

# encoding=utf-8
import numpy as np

l = [[1, 2, 3], [1, 3, 5]]
type(l)  # 打印list类型

# np.array类型
npl = np.array(l, dtype=np.int16)  # 转化为np.array,并确定数据类型
type(npl)  # 打印np.array类型
npl.shape  # 几行几列
npl.ndim  # 维度
npl.dtype  # 数据类型
npl.size  # 数据个数

# 初始化矩阵
np.zeros([3, 4])  # 初始化0数组矩阵
np.ones([3, 4])  # 初始化1数组矩阵

# 随机数
np.random.rand(2, 4)  # 2 X 4 的随机小数矩阵
np.random.rand()  # 一个随机小数
np.random.randint(1, 5, 5)  # 5个随机整数1~5
np.random.randn(1, 5)  # 标准正太分布随机数矩阵
np.random.choice([10, 20, 30])  # 指定范围内随机数生成
np.random.beta(10, 20, 100)  # BETA分布1~10，100个

# 数据操作
npl = np.arange(1, 11).reshape([2, 5])  # 等差数列，设置成2行5列
np.exp(npl)  # 计算数列的以e为底,指数为npl的数值
np.exp2(npl)  # 计算数列的以2为底,指数为npl的数值
np.sqrt(npl)  # 计算数列的开方
np.sin(npl)  # 计算数列的sin
np.log(npl)  # 计算数列的log

# 多维度
list = np.array([[[1, 2, 3], [4, 5, 6, ]], [[7, 8, 9], [10, 11, 12]], [[13, 14, 15]]])
list.sum()  # 求和
list.sum(axis=0)  # 维度求和axix
list.max(axis=0)  # 维度最大值

# 列表计算
list1 = np.array([1, 2, 3, 4])
list2 = np.array([2, 3, 4, 5])
list1 + list2  # list1+—*/list1
list1 ** 2  # 乘方
np.dot(list1.reshape([2, 2]), list2.reshape([2, 2]))  # 转化为矩阵计算dot
np.concatenate((list1, list2))  # 两个列表接到一行与hstack效果相同
np.vstack((list1, list2))  # 两个列表接成两行
np.split(list1, 2)  # 拆分列表到两份

from numpy.linalg import *

np.eye(3)  # 单位矩阵
list3 = np.array([[1, 2], [3, 4]])  # 二阶矩阵
inv(list3)  # 矩阵的逆
list3.transpose()  # 反置矩阵
det(list3)  # 行列式
eig(list3)  # 特征值/特征向量
endnum = np.array([[5], [7]])
solve(list3, endnum)  # 解方程组
np.fft.fft(np.array([1, 1, 1, 1, 1, 1, 1, 1]))  # FFT
np.corrcoef([1, 0, 1], [0, 2, 1])  # 相关系数
np.poly1d([2,1,3])  # 打印多项式

矩阵计算

A*B：对应位置乘

A.dot(B)：点乘