numpy

numpy 简单的属性

import numpy as np

array = np.array([[1,2,3],[2,3,4]])
print(array)

# array.ndim查看几维数组
print("number of dim:", array.ndim)
number of dim: 2
# array.shape(2, 3) 第一个数代表有多少行， 第二个数代表有多少列
print("shape:", array.shape)
shape: (2, 3)
# array.siz 总共有多少个元素
print("size", array.size)
size 6

定义numpy数据类型

array = np.array([1,2,3]，dtype=np.int64)
print(array.dtype)
int64 # 默认int64

定义一个全部为"零"的矩阵

# 定义一个三行四列全部为零的矩阵
a = np.zeros((3, 4))

定义一个全部为"零"的矩阵

# 定义一个两行三列全部为"1"的矩阵
np.ones((2,3))

定义一个什么都没有的矩阵

# 定义一个两行三列什么都没有的矩阵
np.empty((2,3))

定义一个有序的数列
# 定义一个从数字2开始到数字7,中间隔两个数字的数列：np.range(2, 7, 2)
# 定义一个从数字2开始到数字7,中间隔两个数字,三行四列的数组, np.range(2, 7, 2).reshape((3, 4))

定义一个线段

生成一个从数组1到数字10, 有5段长的有序数列
np.linspace(1, 10, 5)

运算

a = np.array([2, 3, 4, 5])
b = np.range(4)

print(a + b)
print(a - b)
print(10*np.sin(a)) # numpy中求sin
print(10*np.cos(a)) # numpy求cos

判断numpy中大于小于等于

a = np.array([2, 3, 4, 5])
b = np.range(4)
print(a < 3) # 如果小于3它会返回一个true，否则返回false

矩阵相乘

a = np.array([[2, 3],[1,2]])
b = np.array([[3,4],[2,4]])
 c = a*b # 逐个相乘
 c_dot = np.dot(a,b) # 矩阵相乘
 c_dot_2 = a.dot # np.dot == a.dot

随机创建一个矩阵

a = np.random.random((2, 4)) # 随机创建两行四列的矩阵
np.sum(a, axis=1) # 求和 行求和，当axie=1 运算行 ，
np.min(a, axis=0) # 求最小值  列求最小值，当axie=0 运算列
np.max(a, axis=1) # 求最大值

索引

A = np.arange(2, 14).reshape((3, 4)) # 定义一个2到14，三行四列的矩阵
print(np.argmin(A)) # 打印出A中最小的数字的索引
print(np.argmax(A)) # 打印出A中最大的数字的索引
print(np.mean(A)) # 平均值
print(np.average(A)) # 平均值
print(np.cumsum(A)) # 累加
print(np.diff(A)) # 累差
print(np.sort(A)) # 逐行排序
print(np.transpose(A)) # 行和列反向，即:行变成列，列变成行
print(np.clip(A,4,9)) # 在矩阵A中，所有小于4的都数都变成4，所有大于9的数据都变成9，小于9大于4的不变

矩阵索引

A = np.arange(2, 14).reshape((3, 4)) # 定义一个2到14，三行四列的矩阵
print(A[2][1]) # 索引第二行第一列