ご存知のように、私たちはその低コストのビッグデータと人工知能ブーム、Pythonの学習であり、柔軟な機能が人気の言語になりました。強力なPythonモジュール、データ解析、機械学習やその他の状況などnumpyのは非常に重要な用途を有しています。ここでは、犬の頭のノートはそれについて学ぶために一緒に来る従ってください!
numpyのインストール
方法1:公式サイトをダウンロード見つけるために、はじめに、インストール方法を見つけることができます
方法2:使用は、直接ピップをマウント
pip install numpy
基本
まず、パイソンを開きます
1.import numpyのモジュール
import numpy as np # 命名为np (约定俗成)
2.マトリックス
2X3行列を作成します。
matrix = np.array([ [1,2,3], [4,5,6] ])
数値マトリクス型の定義
np.array([77,88,99], dtype=np.int32)
np.array([77,88,99], dtype=np.int64) # 默认的int
np.array([77,88,99], dtype=np.float32)
np.array([77,88,99], dtype=np.float64) # 默认的float
行列の要素は全て0または1である3X3を作成
np.zeros((3,3))
np.ones((3,3))
np.ones((3,3),dtype=np.int16) # 同样的也可以改变他的数值类型
(ダミー)空行列
np.empty((2,2))
順序付けられたシーケンスを生成します
np.arange(5) # [0 1 2 3 4]
np.arange(3,8) # [3 4 5 6 7]
np.arange(2,10,2) # [2 4 6 8]
また、シーケンス内の要素の数を指定することができます
np.linspace(1,10,5) # [1 3.25 5.5 7.75 10] 间隔9/4=2.25
シーケンスの生成行列により、
# 将[0,1,2,3,4,5,6,7,8] 变成 3X3 的矩阵(按行排列)
np.arange(9).reshape((3,3))
3.ビューのプロパティ
行列の次元
matrix.ndim
マトリクス状
matrix.shape
行列の要素数
matrix.size
タイプの数値行列
matrix.type
分析要素サイズ
matrix < 3 # 返回True 或 False 的列表
matrix > 3
matrix == 3
要約する要素
np.sum(matrix)
np.sum(matrix, axis=0) # 求每一行的和
np.sum(matrix, axis=1) # 求每一列的和
最大または最小の要素を求めます
np.max(matrix)
np.max(matrix, axis=0) # 求每一行的最大值
np.max(matrix, axis=1) # 求每一列的最大值
np.min(matrix)
np.min(matrix, axis=0) # 求每一行的最小值
np.min(matrix, axis=1) # 求每一列的最小值
インデックスの最大値または最小値を求めます
np.argmax(matrix)
np.argmin(matrix)
# 也可以指定行列,同上
平均、中央値、および蓄積、蓄積違い
np.mean(matrix)
matrix.mean()
np.average(matrix)
np.median(matrix)
np.cumsum(matrix)
np.diff(matrix)
プログレッシブソート
np.sort(matrix)
4.簡単な操作
加減算(加減算要素の位置に対応します)
a = np.array([10, 20, 30, 40])
b = np.arange(4)
a + b
a - b
乗算および除算(他の位置に対応する乗算素子)
a * b
a / b
各要素の電源を取ります
b**2 # 平方
b**3 # 立方
三角関数
np.sin(a)
np.cos(a)
np.tan(a)
行列乗算
m1 = np.array([ [1,1], [0,1] ])
m2 = np.arange(4).reshape((2,2))
np.dot(m1,m2)
m1.dot(m2) # 两种方法一样
行列の転置
np.tanspose(m1)
m1.T
カッティング行列
np.clip(matrix,3,8)
#小于3的元素都变成3,大于8的元素都变成8
乱数
ランダム生成行列
np.random.seed(123)
np.random.random((2,4))
np.random.randint(8)
np.random.randint(4,10,size=6)
np.random.uniform() # 默认0到1的均匀分布
np.random.uniform(1,6)
numpy.random.normal(loc=0.0, scale=1.0, size=None) # 正态分布随机