Numpy基础语法（未完结）

Numpy基础

1 array属性

	numpy.array() #将列表转换为数组
	#例
	array = numpy.array([[1,2,3],[4,5,6]])

• 获取数组的维度数(维度数其实就是看’['有多少个。没有：0维；一个：1维；两个：2维)

	#dim = 2
	dim = array.ndim 

• 获取数组的行数和列数

	#(2,3)
	numpy.array.shape

• 获取数组的总元素个数

	numpy.array() #将列表转换为数组
	#size = 6
	size = array.size

2 array创建

import numpy as np

• 创建数组时可以设置数组元素的类型 dtype

np.array([1,2], dtype=np.int)

• 创建一个元素全为0的矩阵

np.zeros((2,2)) #1行2列的全0矩阵
'''
	输出结果：[[0. 0.],
			 [0. 0.]]	
'''

• 创建一个元素全为1的矩阵

np.ones((2,2)) #1行2列的全0矩阵
'''
	输出结果：[[1 1],
			 [1 1]]	
'''

• 生成有序数组

np.arange(10, 20, 2) #起始值，末尾值，步长  [10,20)
'''
	输出结果：[10,12,14,16,18] 不包括20
'''

• 重新设置数组行列数

np.arange(10, 22, 2).reshape((2,3)) #起始值，末尾值，步长  [10,20)
'''
	输出结果：[[10,12,14,
			  16,18,20]]
'''

• 设置数组个数，起始和末尾值自定义，中间数随机

np.linspace(1, 10, 5) #从1到10产生5个数，步长随机
'''
	输出结果：[1，*，*，*，10] 包括10
'''

3 基础运算

加减法就是array中的对应元素逐个相加减

python中的次方要用**而不是^

• 乘法

c = a*b #这是array中对应元素逐个相乘

c = np.dot(a,b) #这是用矩阵乘法法则相乘
c = a.dot(b) #第二种写法

• 三角函数

b = np.sin(a)
c = np.cos(a)
d = np.cos(a)

• 随机生成（为什么有两次random？random模块下的random方法）

np.random.random((2,2)) #产生的数字均为0~1，传入参数为行列数

• 找到矩阵中的最大值，最小值

np.max(array)
np.min(array)

• 矩阵中所有元素求和

np.sum(array)

可以添加axis参数，求行或列的最大值、最小值和求和

np.sum(array, axis=1) #axis=1表示行，=0表示列

• 求最小值、最大值的索引

np.argmin(array) #返回array中最小值的索引值
np.argmax(array) #返回array中最大值的索引值

• 求array的平均值

np.mean(array) 
array.mean()

• 求array的中位数

np.median(array) 

• 求array的累计和

np.cumsum(array) 

• 求array的临近两数的差

np.diff(array) 

• 求array中非0的数的索引，前行后列

np.nonzero(array) 

• 对array排序（逐行从小到大）

np.sort(array) 

• 求转置矩阵

np.transpose(array) 
array.T

• 将array中小于x的数变x，大于y的数变y

np.clip(array, x, y)

4 array合并

• 将两个矩阵以vertical的形式合并成一个矩阵

A = np.array([1,1,1])
B = np.array([2,2,2])
C = np.vstack(A,B)
'''
合并结果：
	[[1 1 1]
	 [2 2 2]]
'''

• 将两个矩阵以horizontal的形式合并成一个矩阵

A = np.array([1,1,1])
B = np.array([2,2,2])
C = np.hstack(A,B)
'''
合并结果：
	[[1 1 1 2 2 2]]
'''

• 使用concatenate可以同时合并多个array

A = np.array([1,1,1])
B = np.array([2,2,2])
C = np.concatenate((A,B,A,B),axis=0) # 0是纵向，1是横向
'''
合并结果：
	[[1 1 1
	  2 2 2
	  1 1 1
	  2 2 2]]
'''

5 array分割