目录
Numpy科学计算库
01 多维数组
shape: (10, 30, 5):
共有三个维度
第一个维度长度为10
第二个维度长度为30
第三个维度长度为5
02 创建Numpy数组
import numpy # 导入numpy库
(1) array
a = numpy.array([1, 2, 3, 4]) # 创建一个一维数组
print(a)
print(a.shape) # 数组形状
print(type(a)) # 数组类型
print(a[1]) # 调用数组中元素的方法
[1 2 3 4]
(4,)
<class 'numpy.ndarray'>
2
b = numpy.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) # 创建二维数组
print(b)
print(b.shape)
print(b[1]) # 此时b[1]是表示数组第二个维度上的第二个数组
print(b[1][1]) # 取出数组第二个的维度上的第二个数字；也可使用b[1, 1]
print(b.size) # 数组中的元素总个数
[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
(3, 4)
[5 6 7 8]
6
12
(2) 数组属性
注:size为数组中的元素总个数
(3) 指定数组数据类型
a = numpy.array([1, 2, 3, 4], dtype = numpy.int64) # 给数组中的元素添加数据类型, 也可以使用int64, 'int64', 'numpy.int64'
print(a)
print(a.dtype)
[1 2 3 4]
int64
(4) 创建特殊数组
np.arange(起始数字, 结束数字, 步长, dtype) 数字序列数组
np.ones(shape, dtype) 全1数组
np.zeros(shape, dtype) 全0数组
np.eye(shape, dtype) 单位矩阵
np.linspace(start, stop, num=50, dtype) 等差数组 (num元素个数)
np.logspace(start, stop, num=50, base=10, dtype) 等比数组 (num元素个数 base基)
(5) asarray
03 数组运算
(1) 改变数组形状
数组转变前后元素个数应当一定, 否则报错
如果reshape(shape)的shape中有一值为-1, 根据数组中元素总个数、以及其他维度的取值，来自动计算出这个维度的取值。
(2) 数组间的运算
1. 加法
a = numpy.array([0, 1, 2, 3])
b = numpy.array([4, 5, 6, 7])
print(a + b) # 对应各项相加，数组的形状应相同，除一维数组外，一维数组会加到多维数组的每行
[ 4 6 8 10]
2. 数组间的减法、乘法、除法
(3) 矩阵间的运算
1. 矩阵乘法
a = numpy.array([[1, 1], [0, 1]])
b = numpy.array([[2, 0], [3, 4]])
print(numpy.matmul(a, b)) # 矩阵相乘
print(numpy.dot(a, b)) # 同上
[[5 4]
[3 4]]
[[5 4]
[3 4]]
2. 矩阵转置
print(numpy.transpose(a))
[[1 0]
[1 1]]
3. 矩阵求逆
print(numpy.linalg.inv(b))
[[ 0.5 0. ]
[-0.375 0.25 ]]
(4)数组元素间的运算
注：axis从零开始计数
a = numpy.arange(24).reshape(2, 3, 4)
print(a)
print(numpy.sum(a, axis = 0)) # 将数组0轴上的元素一一相加
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
[[12 14 16 18]
[20 22 24 26]
[28 30 32 34]]
a = numpy.logspace(1, 4, 4, base = 2) # 参数:(起始指数，结束指数，元素个数，基数)
print(a)
print(numpy.sqrt(a)) # 计算数组中的各元素平方根
[ 2. 4. 8. 16.]
[1.41421356 2. 2.82842712 4. ]
(5) 数组的堆叠
a = numpy.array([1, 2, 3])
b = numpy.array([4, 5, 6])
print(numpy.stack((a, b), axis = 0)) # 在0轴上堆叠
print(numpy.stack((a, b), axis = 1)) # 在1轴上堆叠
[[1 2 3]
[4 5 6]]
[[1 4]
[2 5]
[3 6]]
04 矩阵和随机数
(1) 矩阵
a = numpy.mat('1, 2, 3; 4, 5, 6') # 使用字符串创建数组，使用分号隔开行
print(a)
print(type(a))
[[1 2 3]
[4 5 6]]
<class 'numpy.matrix'>
(2) 矩阵相乘、转置、求逆
a = numpy.mat([[1, 2], [3, 4]])
b = numpy.mat([[1, 0], [1, 1]])
print(a*b) # 此处矩阵相乘运算方法为a*b
[[3 2]
[7 4]]
print(a.T) # 矩阵转置运算
print(a.I) # 矩阵求逆运算
[[1 3]
[2 4]]
[[-2. 1. ]
[ 1.5 -0.5]]
(3) 随机数
注：此处size是数组的形状