Numpy学习计划 （一）

Numpy基础

1.1 生成Numpy数组

（1）定义一个矩阵：

import numpy as np
array = np.array([[1, 2, 3],
                 [2, 3, 4]])

（2）定义一个全部为零的矩阵：

a = np.zeros((3, 4))
print(a)

（3）定义一个全部为1的矩阵：

a = np.ones((3, 4),dtype = np.int32)
print(a)
print(a.dtype)

（4）定义一个数组：

a = np.arange(10, 20, 2)
print(a)

（5）重新定义行和列：

a = np.arange(12).reshape((3,4))
print(a)

（6）numpy 中的基本运算：

a = np.array([10, 20, 30, 40])
b = np.arange(4)
print(a, b)
c = b**2     # 平方
print(c)

（7）numpy 中的sin(x)：

print("numpy 中的sin(x):")
c = 10*np.sin(a)
print(c)

（8）判断数组中那些数字小于一个定值：

b = np.arange(4)
print(b)
print(b == 3)

（9）运算一个二维矩阵：

a = np.array([[1, 1],
             [2, 1]])
b = np.arange(4).reshape((2,2))
print(a, b)
print("输出a+b:")
print(a+b)
print("普通的乘法: ")
print(a*b)
print("输出矩阵的乘法形式1：")
print(np.dot(a,b))
print("输出矩阵的乘法形式2：")
print(a.dot(b))

（9）创建一个随机的矩阵：

a = np.random.random((2, 4))
print(a)

（10）如果是想在这一行里面找到最大值、最小值、或者求和：

print("每一列中求和：")
print(np.sum(a, axis = 1))
print("每一行中寻找最小值：")
print(np.min(a, axis = 0))
print("每一列中寻找最大值：")
print(np.max(a, axis = 1))

（11）找索引 最大值索引 最小值索引 平均值：

A = np.arange(2, 14).reshape((3,4))
print("最小值索引")
print(np.argmin(A))
print("最大值索引")
print(np.argmax(A))
print("平均值")
print(A.mean())
print("中位数:")
print(np.median(A))

（12）平均值 累加 累差 非零数 排序 转置：

A = np.arange(2, 14).reshape((3,4))
print(np.mean(A))
print(A)
print("累加：")
print(np.cumsum(A))
print("累差")
print(np.diff(A))
print(" 非零的数: ")
print(np.nonzero(A))
print(" 排序 ")
print(np.sort(A))
print("反向 行变成列")
print(np.transpose(A))
print("矩阵转置 * 矩阵")
print((A.T).dot(A))
print("A > 9,都成为9 A < 5的数 都为5 ， 5<A<9, 保留：")
print(np.clip(A, 5, 9))
print("列求平均值：")
print(A)
print(np.mean(A, axis = 0))

（13）索引问题：

A = np.arange(3,15).reshape(3,4)
print(A)
print("A[2]:")
print(A[2])
print("索引出来8：")
print(A[1][1])
print("第三行所有数")
print(A[2,:])
print("第二行，第一个数")
print(A[1, 1:2])
print("遍历A的行")
for row in A:
    print(row)
print("遍历A的列")
for column in A.T:
    print(column)
print("A.flatten(): ", A.flatten())
for item in A.flat:
    print(item)

（14）numpy array合并：

A = np.array([1, 1, 1])
B = np.array([2, 2, 2])
print("vertical stack 上下合并: ")
C = np.vstack((A,B))
print("horizontal stack 左右合并：")
D = np.hstack((A,B))
print("输出D：")
print(D)
print(A.shape, D.shape)

print("横向 变成 纵向 :")
print(A[:, np.newaxis])

print("多个合并：")
M = np.concatenate((A, B, B, A), axis=0)
print(M)

（15）numpy array 分割：

A = np.arange(12).reshape(3,4)
print("纵向分割： ")
print(np.split(A, 2, axis=1))
print(np.vsplit(A, 3))
print("横向分割： ")
print(np.hsplit(A, 2))

（16）numpy copy ：

a = np.arange(4)
b = a
c = a
d = b
a[0] = 11
print(a)
print("b is a :", b is a)
print("d is a :", d is a)

（17）只想复制内容 并不想关联 deep copy：

b = a.copy()