NumPy的N维数组

1. 生成二维数组（矩阵）

1.1 生成并查看形状

import numpy as np

A = np.array([[1, 2], [3, 4]]) # 必须这样定义矩阵，单独定义两个一维数组是没有意义的，不知道是几维的

print(A.shape) # 输出矩阵的维数
print(A.dtype) # 输出矩阵元素的数据类型

print(A) # 直接打印矩阵

1.2 进行矩阵的简单运算

简单的线性运算

A = np.array([[1, 2], [3, 4]])  # 必须这样定义矩阵，单独定义两个一维数组是没有意义的，不知道是几维的
B = np.array([[5, 6], [7, 8]])  # 必须这样定义矩阵，单独定义两个一维数组是没有意义的，不知道是几维的

# 矩阵加法
print(A+B)
print(A-B)
print(A*B)
print(A/B)

矩阵的乘法只是对应位置元素相乘而已

数乘运算也可以实现

• 我们称之为广播

2. 广播

2.1 概念

广播运算的时候标量10倍当做2x2的矩阵来计算

2.2 访问矩阵中的元素

A = np.array([[1, 2], [3, 4],[5,6]])  # 必须这样定义矩阵，单独定义两个一维数组是没有意义的，不知道是几维的
# print(A.shape) # 3行2列的矩阵而已

print(A[1])
print(A[1][1])

玩的花一点

A = np.array([[1, 2], [3, 4], [5, 6]])  # 必须这样定义矩阵，单独定义两个一维数组是没有意义的，不知道是几维的
# print(A.shape) # 3行2列的矩阵而已

for row in A:
    print(row)

A = A.flatten() # 将矩阵一维化
print(A) # 一维化的向量打印出来

print(A[np.array([0,2,4])]) # 通过制定数组的索引来获取元素

2.3 通过标记法获得满足一定条件的数据

A = np.array([[1, 2], [3, 4], [5, 6]])  # 必须这样定义矩阵，单独定义两个一维数组是没有意义的，不知道是几维的

print(A>2)
print(A[A>2])

[False False  True  True  True  True]
[3 4 5 6]

3. 一些概念

3.1 不同维数数组的常用称呼

• 一维数组【向量】
• 二维数组【矩阵】
• 三维以上的数组【张量/多维数组】