python基础库-Numpy

1：Ndarray对象

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。

ndarray 对象是用于存放同类型元素的多维数组。

ndarray 中的每个元素在内存中都有相同存储大小的区域。

   

2：矩阵的属性：

import numpy as np

a = np.arange(15).reshape(3, 5)

print(a)

print(a.shape) #矩阵形状--（3，5）float

print(a.ndim) #ndim返回的是数组的维度，返回的只有一个数，该数即表示数组的维度。--2

print(a.dtype) #返回的数据类型 --int32

print(a.size) #返回的数据数量 --15

   

3：创建矩阵

import numpy as np

matrix1=np.zeros ((3,4)) #全0矩阵

matrix2=np.arange( 10, 30, 5 ) #array([10, 15, 20, 25])

matrix3=np.random.random((2,3)) #返回随机矩阵

print(matrix1)

print(matrix2)

print(matrix3)

结果

[[0. 0. 0. 0.]

[0. 0. 0. 0.]

[0. 0. 0. 0.]]

[10 15 20 25]

[[0.66077157 0.60367463 0.95413385]

[0.38271342 0.23516732 0.69091367]]

   

数据均分：

import numpy as np

from numpy import pi

matrix=np.linspace( 0, 2*pi, 100 ) #返回0到6.28均分的100各数据

print(matrix)

   

   

   

#重组矩阵

import numpy as np

a = np.arange(15).reshape(3, 5)

print(a)

结果：

[[ 0 1 2 3 4]

[ 5 6 7 8 9]

[10 11 12 13 14]]

   

import numpy as np

x = np.empty([3,2], dtype = int)

y = np.ones([2,2], dtype = int)

a = np.eye(5)

print(x)

print(y)

print(a)

结果：

[[0 0]

[0 0]

[0 0]]

[[1 1]

[1 1]]

   

4：矩阵的操作：

#向量和矩阵都支持切片操作：

matrix = np.array([

[5, 10, 15],

[20, 25, 30],

[35, 40, 45]

])

print(matrix[1:3,0:2])

结果：

[[20 25]

[35 40]]

   

   

#axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。

matrix = numpy.array([

[5, 10, 15],

[20, 25, 30],

[35, 40, 45]

])

matrix.sum(axis=0)

结果

[60 75 90]

   

b = a.T 矩阵转置

print (np.delete(a,1,axis = 1)) #删除第二列

   

#矩阵的多种乘法

import numpy as np

A = np.array( [[1,1],

[0,1]] )

B = np.array( [[2,0],

[3,4]] )

print(3*A) #所有的数字都乘以3

print(B*A) #对应数字相乘

print (A.dot(B)) #print(np.dot(A,B)) 也可以这样，矩阵乘法

print(np.sqrt(B)) #矩阵元素开根号

print (np.vdot(A,B)) #点积，对应数字相乘相加

结果

[[3 3]

[0 3]]

[[2 0]

[0 4]]

[[5 4]

[3 4]]

[[1.41421356 0. ]

[1.73205081 2. ]]

6

   

   

视图或浅拷贝

ndarray.view() 方会创建一个新的数组对象，该方法创建的新数组的维数更改不会更改原始数据的维数。

副本或深拷贝

ndarray.copy() 函数创建一个副本。 对副本数据进行修改，不会影响到原始数据，它们物理内存不在同一位置。

   

   

更多基础知识参考：

   

https://www.runoob.com/numpy/numpy-linear-algebra.html

   

学习链接：

https://www.cnblogs.com/qflyue/p/8244331.html

   

   

   

原文地址：https://www.cnblogs.com/yifanrensheng/p/11393686.html