numpy笔记

numpy笔记

课程是b站的莫烦Python，原网址链接:https://www.bilibili.com/video/BV1Ex411L7oT

import numpy as np

##把数组化为矩阵
array=np.array([[1,2,3],[2,3,6],[3,4,4]]) #二维数组
print(array)
print('number of dim',array.ndim) #nidm求数组维度
print('shape',array.shape)
print('size',array.size)

a=np.array([1,2.3,3],dtype=np.float32) #一维
print(a.dtype) #dtype数组类型
b=np.zeros((3,4))#生成一个三行四列值都为0的矩阵
#print(np.ones((3,4)))#生成一个三行四列值为1的矩阵
c=np.empty((3,4))#生成空矩阵,但是里面有值,无限趋于零,若前面print其他矩阵,则输出之前print矩阵的值
print(c)
print(np.arange(10,20,2))#生成有序矩阵,步长为2
print(np.arange(12).reshape((3,4)))#生成3行4列有序数组,数字要和总数对上
print(np.linspace(1,10,20))#生成从1到10的数列,共20个数
print(np.linspace(1,10,6).reshape(2,3))#把生成的数量变为2行3列,还是要注意数字匹配

##numpy基础运算
a2 = np.array([10,20,30,40])
b2 = np.arange(4)
c2=a2-b2
print(a2,b2)
print(c2)#每位数依次相减
print(b2**2)#b2的平方
print(np.sin(b2))#b2的sin值
print(b2<3)#判断b2的值<3
a3=np.array([[2,1],[1,4]])
b3=np.arange(4).reshape((2,2))
print(a3,'\n',b3)
print(a3*b3)#数字逐个相乘
print(np.dot(a3,b3))#运用矩阵的乘法
print(a.dot(b))#也是矩阵的乘法，不同表达

a4=np.random.random((2,4))#c0到1随机生成二行四列的矩阵
print(a4)
print(np.sum(a4))#求和
print(np.min(a4))#找最小
print(np.max(a4))#找最大
print(np.sum(a4,axis=0))#axis定义维度,axis=0，在列中求和，axis=1，在行中求和
print(np.max(a4,axis=1))

print(np.argmin(a4))#索引最小值的位置
print(np.argmax(a4))#索引最大值的位置

print(np.mean(a4))#求平均值
print(a4.mean())#也是求平均值
print(np.average(a4))#还是平均值

print(np.median(a4))#求中位数

print(np.cumsum(a4))#依次累加

print(np.diff(a4))#逐差

print(np.nonzero(a4))#返回每个数行列的索引

print(np.sort(a4))#对矩阵逐行排序

print(np.transpose(a4))#矩阵转置
print(a4.T.dot(a4))#转置矩阵与原矩阵相乘

print(np.clip(a4,0.2,0.8))#让所有小于0.2的数变为0.2，所有大于0.8的数变为0.8，中间部分不改变
"以上所有np.函数都可以加axis=0 或 axis=1对行和列单独计算"

##numpy索引
A1=np.arange(3,15)
print(A1[3])#索引第3个元素(从0开始数第3个，即第4个)
A=np.arange(3,15).reshape((3,4))
print(A[2])#索引第二行
print(A[1][1])#二维数组索引第1行第1列
print(A[1,2])#功能和A[1][2]一样
print(A[:,1])#打印第一列所有数
print(A[0:1,2])#打印第0行从1到2的值(取左不取右)

for row in A:
    print(row)#迭代每一行
for column in A.T:
    print(column)#迭代每一列
for item in A.flat:#.flat把A转换为一维数组
    print(item)#迭代每一个数

##array的合并
B=np.arange(5,17).reshape((3,4))
print(np.vstack((A,B)))#把A，B向下合并
print(np.hstack((A,B)))#把A，B左右合并

print(A[np.newaxis,:])#在行上增加一个维度
print(A[:,np.newaxis])#在列上增加一个维度

C=np.concatenate((A,B,B,A),axis=1)#在上下维度进行合并，与前面的合并方法相比可以定义纵向合并还是横向合并,通过axis=1 or 0
print(C)

##array的分割
print(np.split(A,2,axis=1))#把A分成横向的两部分
print(np.split(A,3,axis=0))#把A分成纵向的三部分
print(np.array_split(A,4,axis=1))#进行不等距分割

print(np.vsplit(A,3))#把A纵向分割成三部分
print(np.hsplit(A,2))#把A横向分割成二部分

##numpy的赋值
ai = np.arange(4)
print(ai)
bi=ai
ci=ai
di=bi
ai[0]=11
print(ai)
print(bi,ci,di)
di[1:3]=[22,33]
print(ai)#ai与bi,ci,di关联了

bii=ai.copy()#把ai的值赋给bii后，ai改变bii也不变
print(bii)
ai[3]=44
print(ai)
print(bii)