python numpy使用

python list的特点

1，特点：对list中元素的类型不做限定，所以存储的元素比较灵活，缺点是要依次检查元素类型，所以效率较慢

python array的特点

如果希望限定元素的类型，可以使用array,array一旦制定类型不允许赋值其他类型的元素，但由于不需要做类型检查，执行效率高
缺点是生成的是一个标量，不支持向量和矩阵操作

import array
arr1=array.array("i",[1,2,3,4,5,6])
arr2=array.array('i',[i for i in range(10)])

numpy array的特点

1，跟python array相同，只能存储固定类型，但其支持向量和矩阵操作
2，其他numpy array的生成方法

np.zeros

1. 如果不指定dtype，默认生成的是浮点数
2. 参数名shape和的dtype可省略，但当显式的写出了参数名时，参数顺序可换，否则不可换

np.ones

np.full：

1. 填充任意数，参数名参数名shape和的fill_value可省略，但当显式的写出了参数名时，参数顺序可换，否则不可换
   
   

np.arange 的使用

与python中的range使用方法相同，左闭右开
np.arange(0,20,2)生成【0，20】间隔为2的向量

np.linspace：左闭右闭，最后一个数是生成的元素个数

np.random：生成左闭右开的随机数

np.random.randint生成随机整数

随机种子np.random.seed(666)

np.random.random随机生成（0,1）之间均匀分布的浮点数

np.random.normal() 均值方差的正态分布

numpy.random.uniform()介绍：

函数原型：

numpy.random.uniform(low,high,size)

功能：

从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.

参数介绍:

low: 采样下界，float类型，默认值为0；high: 采样上界，float类型，默认值为1；size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出 m * n * k 个样本，缺省时输出1个值。返回值：ndarray类型，其形状和参数size中描述一致。

jupyter文档查看

基本操作

基本属性

numpy.array的数据访问：切片

创建独立的子矩阵：copy（）

reshape

numpy数组的合并与分割

首先生成连个一维向量

合并一维向量

合并二维向量：分别按行和列（axis）

合并二维向量和一维向量（首先将一维向量reshape）

vstack和hstack：不想使用axis属性可以使用vstack和hstack

分割操作

分割一维数组向量

分割二维数组向量

按行

按列

vsplit和hsplit：不想使用axis属性可以使用vsplit和hsplit

numpy.array中的运算

创建np数组，np向量

np向量的基本属性及切片操作

加减乘，向量点乘，求模长

求模长，求单位向量