Numpy常用操作

Numpy是python的基础,提供两种基本对象:ndarray和ufunc。ndarray是存储单一数据类型的多维数组,而ufunc是能够对数组进行处理的函数
导入Numpy模块

import numpy as np

1.1生成ndarray的方式

1.从已有数据中创建
(1)将列表转换为ndarray

import numpy as np
list = [1,2,3,4,5]
nd = np.array(list)

(2)嵌套列表可以转化为多维

import numpy as np
list = [[1,2,3,4],[2,3,4,5]]
nd = np.array(list)

生成二维ndarray

2.利用random模块生成ndarray
3.创建特定形状的多维数组

import numpy as np
#全是0的3*3矩阵
nd1 = np.zeros([3,3])
#全是1的3*3矩阵
nd2 = np.ones([3,3])
#3阶单位矩阵
nd3 = np.eye(3)
#3阶对角矩阵
nd4 = np.diag([1,2,3])

4.利用arange函数
arange格式为:arange([start,] stop[,step,],dtype=None)。
start和stop指定范围,step指定步长,start默认为0,步长step可为小数

1.2矩阵操作

import numpy as np
nd1 = np.arange(9).reshape([3,3])
#转置
np.transpose(nd1)

#矩阵乘法运算
a = np.arange(12).reshape([3,4])
b = np.arange(8).reshape([4,2])
a.dot(b)

#矩阵的迹
a.trace()
#计算行列式
np.linalg.det(nd1)

#计算逆矩阵
c = np.random.random.([3,3)
np.linalg.solve(c,np.eye(3))

1.3数据合并与展平

1.合并一维数组

c = np.append(a,b)
#a,b是一位数组,也可以用concatenate方法合并
d = concatenate([a,b])

2.多维数组的合并

#按行合并
c = np.append(a,b,axis=0)
#按列并
d = np.append(a,b,axis=1)

3.矩阵展平

#按列优先展平
nd.ravel('F')
#按行优先展平
nd.ravel()

1.4广播机制

广播机制方便不同shape的数组进行数学运算

import numpy as np
a = np.arange(10)
b = np.arange(10)
#两个shape相同的数组相加
print(a+b)
#一个数组与一个标量相加
print(a+3)
#两个向量相乘
print(a*b)

#多维数组之间的运算
c = np.arange(10).reshape([5,2])
d = np.arange(2).reshape([1,2])
print(c+d)

输出为:

[ 0  2  4  6  8 10 12 14 16 18]
[ 3  4  5  6  7  8  9 10 11 12]
[ 0  1  4  9 16 25 36 49 64 81]
[[ 0  2]
 [ 2  4]
 [ 4  6]
 [ 6  8]
 [ 8 10]]
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值