2020-10-7调用测试numpy,描述矩阵的基本属性 numpy如何创建矩阵和数组 numpy的基础运算numpy如何根据位置找到值numpy的array合并

文章目录

numpy学习#调用测试numpy,描述矩阵的基本属性numpy如何创建矩阵和数组numpy的基础运算numpy的基础运算2numpy如何根据位置找到值numpy的array合并

numpy学习

#调用测试numpy,描述矩阵的基本属性

下面是Demo

import numpy as np array=np.array([[1,2,3], [2,3,4]]) print(array) print('number of dim:',array.ndim) print('shape:',array.shape) print('size',array.size) #结果 [[1 2 3] [2 3 4]] number of dim: 2 shape: (2, 3) size 6

numpy如何创建矩阵和数组

array的创建：分一维和二维 dtype类型 zeros的创建 生成线段linspace 下面是Demo

#array的一维的创建 import numpy as np a=np.array([2,23,4],dtype=np.int) print(a.dtype) #结果 int32 #array二维的创建 import numpy as np a=np.array([[2,23,4], [2,32,4]]) print(a) #结果 [[ 2 23 4] [ 2 32 4]] #打印出类型 import numpy as np a=np.array([2,23,4],dtype=np.float32) print(a.dtype) #结果 float32 #zeros的创建 import numpy as np a=np.zeros((3,4)) print(a) #结果 [[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.]] #生成有序矩阵 import numpy as np a=np.arange(10,20,2) print(a) #结果 [10 12 14 16 18] #生成线段linspace import numpy as np a=np.linspace(1,10,20) print(a) #结果 [ 1. 1.47368421 1.94736842 2.42105263 2.89473684 3.36842105 3.84210526 4.31578947 4.78947368 5.26315789 5.73684211 6.21052632 6.68421053 7.15789474 7.63157895 8.10526316 8.57894737 9.05263158 9.52631579 10. ] #生成线段linspace并reshape生成矩阵 import numpy as np a=np.linspace(1,10,6).reshape((2,3)) print(a) #结果 [[ 1. 2.8 4.6] [ 6.4 8.2 10. ]]

numpy的基础运算

下面是Demo

#numpy基础运算加法 import numpy as np a=np.array([10,20,30,40]) b=np.arange(4) print(a,b) c=a+b print(c) #numpy基础运算乘法 import numpy as np a=np.array([10,20,30,40]) b=np.arange(4) print(a,b) c=b**2#双星代表平方运算 print(c) #numpy基础运算三角函数的运算 import numpy as np a=np.array([10,20,30,40]) b=np.arange(4) print(a,b) c=10*np.sin(a) print(c) #结果 [10 20 30 40] [0 1 2 3] [-5.44021111 9.12945251 -9.88031624 7.4511316 ] #判断那些值等于大于小于 import numpy as np a=np.array([10,20,30,40]) b=np.arange(4) print(b) print(b<3) print(b==3) #结果 [0 1 2 3] [ True True True False] [False False False True] #矩阵的运算dot import numpy as np a=np.array([[1,1], [0,1]]) b=np.arange(4).reshape((2,2)) c=a*b c_dot=np.dot(a,b) print(c) print(c_dot) #结果 [[0 1] [0 3]] [[2 4] [2 3]] #random.random()随机产生0到1的数字 import numpy as np a = np.random.random((2,4)) print(a) print(np.sum(a,axis=1)) #列数中求和 print(np.min(a,axis=0)) #在每行中寻找最小值 print(np.max(a,axis=1)) #在每列中寻求最大值 #结果 [[0.07532438 0.09907934 0.06886118 0.86305739] [0.51168121 0.31585224 0.96003614 0.77488453]] [1.10632228 2.56245412] [0.07532438 0.09907934 0.06886118 0.77488453] [0.86305739 0.96003614]

numpy的基础运算2

下面是Demo

#reshape创建矩阵 import numpy as np a=np.arange(2,14).reshape((3,4)) print(np.argmin(a))#索引最小 print(np.argmax(a))#索引最大 print(np.mean(a))#求出平均值 #结果 0 11 7.5

numpy如何根据位置找到值

python中，一切都是对象，实际上，执行def定义函数后，系统就创建了相应的函数对象。

下面是Demo

#如何根据位置找到值 import numpy as np a=np.arange(3,15).reshape(3,4) print(a) print(a[2][1]) print(a[1,1]) print(a[0,:]) print(a.flatten()) for item in a.flat:#迭代器 print(item) for row in a: print(row) for column in a.T: print(column)#对列进行的迭代 #结果 [[ 3 4 5 6] [ 7 8 9 10] [11 12 13 14]] 12 8 [3 4 5 6] [ 3 4 5 6 7 8 9 10 11 12 13 14] 3 4 5 6 7 8 9 10 11 12 13 14 [3 4 5 6] [ 7 8 9 10] [11 12 13 14] [ 3 7 11] [ 4 8 12] [ 5 9 13] [ 6 10 14]

numpy的array合并

下面是Demo

#如何将两个array合并 import numpy as np A=np.array([1,1,1]) B=np.array([2,2,2]) print(np.vstack((A,B)))#上下合并 D=np.hstack((A,B))#左右合并 C=np.vstack((A,B))#上下合并 print(A[:,np.newaxis])#纵向 print(A.shape,D.shape,C.shape) print(D) #结果 [[1] [1] [1] [2] [2] [2]] [[[1]] [[1]] [[1]]] (3, 1) (3, 2) (6, 1) [[1 2] [1 2] [1 2]] #如何将两个array横向合并 import numpy as np A=np.array([1,1,1])[:,np.newaxis] B=np.array([2,2,2])[:,np.newaxis] C=np.concatenate((A,B,B,A),axis=1) print(C) #结果 [[1 2 2 1] [1 2 2 1] [1 2 2 1]] #如何将两个array纵向合并 import numpy as np A=np.array([1,1,1])[:,np.newaxis] B=np.array([2,2,2])[:,np.newaxis] C=np.concatenate((A,B,B,A),axis=0) print(C) #结果 [[1] [1] [1] [2] [2] [2] [2] [2] [2] [1] [1] [1]]