1.0简介
- 向量(vector)
- 矩阵(matrice)
- 张量(tensor)
- 行(row)
- 列(column)
1.1创建一个向量
import numpy as np
vector_row = np.array([1, 2, 3])
vector_column = np.array([[1], [2], [3]])
1.2创建一个矩阵
(●’◡’●)通过二维数组来创建一个矩阵
三行两列👇
import numpy as np
matrix = np.array([[1, 2], [1, 2], [1, 2]])
NumPy提供了专门的数据结构来表示矩阵,但不推荐使用矩阵数据结构
- 实际上数组才是NumPy的标准数据结构
- 绝大多数NumPy操作返回的是数组而不是矩阵对象
1.3创建一个稀疏矩阵
(●’◡’●)表示只有零星非零值的数据
- 稀疏矩阵只保存非零元素并假设剩余元素的值都是零,节省大量的计算成本
- 稀疏行(CSR)
- 下标的编号从0开始
- Scipy
#加载库
import numpy as np
from scipy import sparse
#创建一个矩阵
matrix = np.array([[0, 0],
[0, 1],
[3, 0]])
#创建一个压缩的稀疏行(Compressed Sparse Row,CSR)矩阵
matrix_sparse = sparse.csr_matrix(matrix)
1.4选择元素
(●’◡’●)在向量或矩阵中选择一个或多个元素
#加载库
import numpy as np
vector = np.array([1, 2, 3, 4, 5, 6])
# 创建矩阵
matrix = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
# 选择向量的第三个元素
print(vector[2])
print(matrix[1, 1])
#选取一个向量的所有元素
print(vector[:])
#选取从1开始一直到第3个(包括第3个)元素
print(vector[:3])
#选取第3个元素之后的所有元素
print(vector[3:])
#选取最后1个元素
print(vector[-1])
#选取矩阵的第1行和第2行以及所有列
print(matrix[:2,:])
print('--------')
#选取所有行以及第二列 【注意】
print(matrix[:,1:2])
1.5展示一个矩阵的属性
(●’◡’●)展示一个矩阵的形状、大小和维数
import numpy as np
matrix = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9],
[7, 8, 9]])
# 查看行数和列数
print(matrix.shape)
# 查看元素的数量(行数*列数)
print(matrix.size)
# 查看维数
print(matrix.ndim)