numpy模块的基本使用

numpy（Numerical Python）提供了python对多维数组对象的支持：ndarray，具有矢量运算能力，快速、节省空间。numpy支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

                                                          一维数组常见用法

                                                        二维矩阵的常见用法

 

 1 import numpy as np #导入numpy模块
 2 
 3 #二位数组的表现形式。
 4 b = np.array([[0.1, 0.3, 0.5], [0.2, 0.4, 0.6]])
 5 
 6 np.ndim(b) #显示b的维数--------------2
 7 
 8 np.shape(b) #显示b的形状-------------(2, 3)
 9 
10 b.dtype #显示数据类型---------------dtype('float64')
11 
12 np.min(b) #找出最小值,也可以用 b.min()------0.1
13 
14 np.max(b) #找出最大值,也可以用b.max()------0.6
15 
16 np.sum(b) #总和,也可以用b.sum()------2.1
17 
18 b.sum(axis = 0) #列相加------array([0.3, 0.7, 1.1])
19 
20 b.sum(axis = 1) #行相加------array([0.9, 1.2])
21 
22 b[:, 1] #显示第二列-------------array([0.3, 0.4])
23 
24 b[:, 0:2] #显示第一列和第二列 ---------[[0.1 0.3] [0.2 0.4]]
25 
26 b[1, :] #显示第二行------array([0.2, 0.4, 0.6])
27 
28 b[:, 1] == 0.4 #得到bool类型------array([False, True])
29 
30 b[b[:, 1] == 0.4, :] #显示第二例等于0.4的那一行的值------array([[0.2, 0.4, 0.6]])
31 
32 b.size #显示这个矩阵的个数------6
33 
34 b.T #转置，将行列互换------array([[0.1, 0.2], [0.3, 0.4], [0.5, 0.6]])

三、 常见函数的表现形式

 1 import numpy as np #导入numpy模块
 2 from numpy import pi
 3 
 4 #一些函数的表现形式
 5 
 6 a = np.arange(3) #得到一维数组------array([0, 1, 2])
 7 
 8 np.exp(a) #e的指数------array([1.        , 2.71828183, 7.3890561 ])
 9 
10 np.sqrt(a) #平方根------array([0.        , 1.        , 1.41421356])
11 
12 np.arange(0.1, 0.5, 0.1) #得到一维数组，从0.1开始每个0.1得到一个元素一直到0.5（不包括）------array([0.1, 0.2, 0.3, 0.4])
13 
14 b = np.arange(15).reshape(3, 5)#可以得到3*5的矩阵其中也可以用np.arange(15).reshape(3, -1)------array([[ 0,  1,  2,  3,  4], [ 5,  6,  7,  8,  9], [10, 11, 12, 13, 14]])
15 
16 b.ravel() #将b的3*5的矩阵拉成一维数组------array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])
17 
18 np.zeros((3, 4)) #初始化3*4的矩阵，其中元素都为0.
19 
20 np.ones((3, 4), dtype = str) #初始化3*4的矩阵，其中元素都为1的字符串。
21 
22 np.arange(0.1, 0.5, 0.1)
23 
24 np.random.random((2, 3)) #随机产生2*3的矩阵，元素范围在0-1之间------array([[0.23687761, 0.93173207, 0.25978851], [0.11452628, 0.31468911, 0.10254265]])
25 
26 np.floor(10*np.random.random((2, 3))) #floor向下取整------array([[4., 9., 4.], [4., 3., 2.]])
27 
28 np.linspace(0, 2*pi, 5) #0-2*pi之间取5个元素,强调的是先导入pi------array([0.        , 1.57079633, 3.14159265, 4.71238898, 6.28318531])
29 
30 np.sin(np.arange(10)) #sin()函数的应用------array([ 0.        ,  0.84147098,  0.90929743,  0.14112001, -0.7568025 , -0.95892427, -0.2794155 ,  0.6569866 ,  0.98935825,  0.41211849])

四、 常见函数的表现形式

 1 import numpy as np #导入numpy模块
 2 #数学运算的表现形式
 3 
 4 a = np.array([10, 20, 30])
 5 b = np.arange(3)
 6 
 7 c = a - b #------[10 19 28]
 8 
 9 c-1 #------array([ 9, 18, 27])
10 
11 a**2 #------array([100, 400, 900], dtype=int32)
12 
13 a = np.arange(4).reshape(2, 2) #------[[0 1] [2 3]]
14 
15 b = np.array([[2, 3], [4, 5]]) #------[[2 3] [4 5]]
16 
17 a*b #点乘------array([[ 0,  3], [ 8, 15]])
18 
19 np.dot(a, b) #矩阵乘以矩阵------array([[ 4,  5], [16, 21]])
20 
21 a.dot(b) #跟上面一样，表现形式不同------array([[ 4,  5], [16, 21]])

Vie