数据分析（二）

2. numpy的矩阵计算

2.1 一维数组与一维数组

>>> arr1 = np.array([1,2,3,4,5])
[1 2 3 4 5]
>>> arr2 = np.array([10,20,30,40,50])
[10 20 30 40 50]

# 一维数组之间相加
>>> print(arr1+arr2)
[11 22 33 44 55]
# 一维数组之间相乘
>>> print(arr1*arr2)
[10  40  90 160 250]

注意点：

1. 一维数组的元素个数必须是相同的
2. 按照数组对应的下标来进行算术运算，返回一个新的数组

2.2 一维数组与多位数组

>>> arr2 = np.array([10,20,30,40,50,60,70,80,90,100])
>>> arr4 = arr2.reshape((2,5))
>>> print(arr4)
[[ 10  20  30  40  50]
 [ 60  70  80  90 100]]
>>> print(arr4.shape)
(2, 5)

>>> arr3 = np.array([10,20,30,40,50])
>>> print(arr3)
[10 20 30 40 50]
>>> print(arr3.shape)
(5,)

# 多维数组与一维数组相乘
>>> print(arr4*arr3)
[[ 100  400  900 1600 2500]
 [ 600 1400 2400 3600 5000]]

# 多维数组与一维数组相加
>>> print(arr1)
[1 2 3 4 5]
>>> print(arr3)
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]
>>> print(arr1+arr3)
[[ 1  3  5  7  9]
 [ 6  8 10 12 14]
 [11 13 15 17 19]]

>>> arr6 = np.arange(15).reshape(1,3,5)
>>> print(arr6)
[[[ 0  1  2  3  4]
  [ 5  6  7  8  9]
  [10 11 12 13 14]]]
>>> print(arr1)
[1 2 3 4 5]

注意点：元素的个数必须相同

2.3 多维数组与多维数组

>>> arr3 = np.arange(15).reshape(3,5)
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]
>>> arr4 = np.arange(15).reshape(3,5)
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]

>>> print(arr3+arr4)
[[ 0  2  4  6  8]
 [10 12 14 16 18]
 [20 22 24 26 28]]

注意点：数组的维度大小必须一致

2.4 数组与单独的一个数据

>>> arr1 = np.array([1,2,3,4,5])
[1 2 3 4 5]
# 一维数组与常量相加
>>> print(arr1+100)
[101 102 103 104 105]