python的numpy库学习①

0积分xmind，指路https://download.csdn.net/download/weixin_73893621/89567488

import numpy as np

# 创建一个任意的ndarray数组
ndarray1 = np.array([1, 2, 3])
# 创建一个从1到10，步长为2的整形等差数组
ndarray2 = np.arange(1, 10, 2, int)
# 创建一个间隔为10的整形数组样本，样本数量为10
ndarray3 = np.linspace(1, 100, num=10, endpoint=True, dtype=int)
# 创建一个从2到128，公比为2的整形数组，样本数量为7
ndarray4 = np.logspace(1, 7, base=2, num=7, endpoint=True, dtype=int)
# 基本操作——切片示例
#从第0个元素开始到第3-1=2个元素之后结束，步长为1
slice_ndarray1 = ndarray1[0:3:1]
# 强化训练
# 创建一个2*5的整形数组，要求第0行是从1到10的等差数组，第1行是从2^^1到2^^5的等比数组
# 第0行：从1到9的等差数列，步长为2（但我们需要5个元素，所以使用11作为停止值）
row0 = np.arange(1, 11, 2, dtype=int)[:5]  # 取前5个元素,切片
# 第1行：从2^1到2^5的等比数列，然后取整
row1 = np.logspace(1, 5, 5, endpoint=True, base=2, dtype=int)
# 创建一个2x5的数组
complex_ndarray1 = np.array([row0, row1])
# 布尔索引
# 创建条件
condition = complex_ndarray1[0] > 5
# 充当索引
print(complex_ndarray1[0][condition])
# 基本的向量或矩阵
basic_Matrix1 = np.empty_like(complex_ndarray1)
basic_Matrix2 = np.ones((2, 5), dtype=int)
basic_Matrix3 = np.zeros((2, 5), dtype=int)
basic_Matrix4 = np.arange(5)
print(basic_Matrix4)

将结合matplotlib库，从空间理解线性代数