Numpy数值计算基础

ndarray

各种创建数组、矩阵的方法

创建数组对象

一、array

arr1 = np.array([1,2,3,4]) #创建一维数组
arr2 = np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]]) #创建二维数组

array函数创建数组时，数组的数据类型默认是浮点型。自定义数组数据，则可以预先指定数据类型

创建数据类型

df = np.dtype([("name",np.str_,40),("numitems",np.int64),("price",np.float64)])
print("数据类型为:",df)

指定数据类型

itemz = np.array([("tomatoes",42,4.14),("cabbages",13,1.72)],dtype=df)

二、arange

arr = np.arange(0,1,0.1) 

start 参数是 0，表示数组的起始值。
stop 参数是 1，表示数组的结束值，但不会包含这个值在数组中。
step 参数是 0.1，表示每个数值之间的间隔。

三、linspace

arr = np.linspace(0,1,12)

第一个参数 0 是数组的起始值。
第二个参数 1 是数组的结束值，包含在数组中。
第三个参数 12 表示希望生成的值的数量。

四、logspace(创建等比数列）

arr = np.logspace(0,2,20)

第一个参数 0 是数组中值的起始对数指数（以10为底）。
第二个参数 2 是数组中值的结束对数指数（以10为底）。
第三个参数 20 表示希望生成的值的数量。
因此，np.logspace 将生成一个包含 20 个元素的数组，这些元素在 10^0（即1）到 10^2（即100）的范围内，并且是按照对数尺度均匀分布的。这意味着数组中的数值在每个数量级（1, 10, 100, …）上大致相等数量的元素。

五、zeros

arr = np.zeros((2,3))

它创建了一个二维数组，其元素全部初始化为 0。这里的参数 (2,3) 指定了数组的形状，即行数和列数。

[[0. 0. 0.]
 [0. 0. 0.]]

六、eye

arr = np.eye(3)

用于创建一个 3x3 的身份矩阵（identity matrix）。身份矩阵是一个方阵，其主对角线上的元素都是 1，其余位置的元素都是 0。

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

七、diag

arr = np.diag([1,2,3,4])

用于从给定的一维数组创建一个二维数组，使得数组的主对角线上是输入数组的元素，其余位置的元素都是 0。当使用 np.diag 并传入一个一维数组 [1, 2, 3, 4] 时，它会创建一个以这些元素作为主对角线元素的方阵。

然而，需要注意的是，np.diag 要求输入的一维数组长度必须小于或等于期望生成的方阵的维度。在示例 arr = np.diag([1, 2, 3, 4]) 中，输入数组有 4 个元素，因此 np.diag 将创建一个 4x4 的方阵，主对角线上的元素依次是 1, 2, 3, 4，其余位置填充 0。生成的矩阵如下：

[[1 0 0 0]
 [0 2 0 0]
 [0 0 3 0]
 [0 0 0 4]]

八、ones

arr = np.ones((5,3))

用于创建一个数组，其中所有元素都初始化为 1。

[[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]

九、生成随机数

无约束条件下生成随机数

print('生成的随机数组为:',np.random.random(100))
#用于生成一个包含 100 个元素的随机数组，这些元素服从 [0, 1) 区间的均匀分布

生成的随机数组为: [0.08758214 0.79055161 0.46748128 ..., 0.83390561 0.21360508 0.72124235]

生成服从均匀分布的随机数

print('生成的随机数组为：\n',np.random.rand(10,5))
#生成一个包含 10 行 5 列的随机数组，其中每个元素都服从 [0, 1) 区间的均匀分布

生成的随机数组为：
[[0.83390561 0.21360508 0.72124235 0.63446205 0.47386263]
 [0.34865294 0.72256579 0.34273125 0.96360991 0.51338169]
 [0.67137079 0.70156984 0.35167067 0.86733386 0.73968447]
 ..., 
 [0.55256327 0.77104726 0.34156296 0.95879779 0.37193144]
 [0.69209088 0.40565482 0.79107849 0.74158502 0.52979445]]

生成服从正态分布的随机数

print('生成的随机数组为: \n',np.random.randn(10,5))
#生成一个包含 10 行 5 列的随机数组，其中每个元素都服从标准正态分布（均值为 0，标准差为 1）

生成的随机数组为: 
[[ 1.43550617 -0.96200912  0.47105625 -0.22169147  0.57168302]
 [-0.44149256  0.39176891 -1.47157705  0.02327391  0.77194871]
 [ 0.34204015  1.43385359 -0.33768101 -0.74107513  1.34409685]
 ..., 
 [ 0.33566298 -1.04559162  0.85175971  0.48187168 -0.06646479]
 [-0.33279267  0.55193924  0.53467395 -0.74377068  0.03145258]]

生成给定上下范围的随机数，如创建一个最小值不低于 2、最大值不高于 10 的 2 行5列数组

print('生成的随机数组为: ',np.random.randint(2,10,size = [2,5]))
#生成一个 2 行 5 列的数组，数组中的每个元素是一个随机整数，其值从 2（包含）到 10（不包含）之间均匀分布

生成的随机数组为:  [[2 3 5 8 9]
                         [3 6 2 4 7]]

创建矩阵

一、mat

matr1 = np.mat("1 2 3;4 5 6;7 8 9")

np.mat 接受一个字符串参数，该字符串包含了矩阵的元素，元素之间用空格分隔，不同的行用分号 ; 分隔。

[[1 2 3]
 [4 5 6]
 [7 8 9]]

二、matrix

matr2 = np.matrix([[1,2,3],[4,5,6],[7,8,9]])

[[1 2 3]
 [4 5 6]
 [7 8 9]]

三、bmat

arr1 = np.array([[1, 2, 3]])
arr2 = np.array([[4, 5, 6]])
arr3 = np.array([[7, 8, 9]])
arr4 = np.array([[10, 11, 12]])
matr3 = np.bmat("arr1 arr2;arr3 arr4")

用于创建一个由多个子数组组成的大矩阵。这个函数特别适用于创建块矩阵（block matrix），其中每个子数组可以是向量、矩阵或任何其他数组。np.bmat 接受一个字符串参数，其中包含用空格分隔的数组表达式，不同的行用分号 ; 分隔。

[[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]]

常用的计算统计函数