numpy笔记

文章目录

属性方法1. arange(起始值，中止值，步长)2. linspace(起始值，中止值，数值个数)3. 向量运算4. 向量筛选5. 矩阵间乘法6. 随机数矩阵7. 矩阵最大值，最小值，求和8. 求最大值，最小值索引9. 矩阵转置10. 截断函数11. 索引12. 循环13. 将矩阵转变为向量14. 向量合并15. 插入新的维度16. 矩阵分割17. copy()

属性

ndim： 维数shape： 行数和列数size元素个数 可以在使用array函数时指定 dtype参数

方法

1. arange(起始值，中止值，步长)

区间为前闭后开 c = np.arange(0,12,2).reshape(2,3) c2 = np.arange(15,5,-1) c,c2

2. linspace(起始值，中止值，数值个数)

区间前闭后闭 d = np.linspace(0,2,5) d

3. 向量运算

直接加减乘除即可 a = np.array([10,20,30,40]) b = np.arange(4) print(a-b)

幂运算用 两个乘号（**）表示 print(a**2)#表示a的平方

4. 向量筛选

a = np.array([10,20,30,40]) print(a < 25) #查看a中小于25的值，输出一个布尔列表

5. 矩阵间乘法

np.dot(矩阵a,矩阵b)a.dot(b)

上述两种方法皆可

c = np.arange(12).reshape(3,4) d = np.arange(13,25).reshape(4,3) e = np.dot(c,d) e2 = c.dot(d) e,e2

6. 随机数矩阵

f = np.random.random((2,3))

7. 矩阵最大值，最小值，求和

可以对全局求最大，最小，求和；也可对某行或者某列进行求最大，最小，求和。axis参数指定数轴 f = np.random.random((2,3)) print(np.sum(f)) print(np.min(f,axis = 0)) # AXIS = 0代表每列 print(np.max(f,axis = 1)) #AXIS = 1代表每行

8. 求最大值，最小值索引

f = np.random.random((2,3)) print(f) print(np.argmin(f,axis = 1)) print(np.argmax(f,axis = 0))

9. 矩阵转置

transpose（）函数矩阵的T属性 g = np.arange(20,4,-2).reshape(2,-1) print(g) print(g.transpose()) print(g.T)

10. 截断函数

clip（min,max）:将矩阵中元素大于max的赋值为max，小于min的赋值为min h = np.arange(20,10,-1).reshape(2,5) h = h.clip(13,18) #h.clip(min,max) h

11. 索引

矩阵不指定列数的话，默认为一整行可以用：符号来表示全部 i = np.arange(3,15) i = i.reshape(3,4) print(i) print(i[2]) # 输出了第三行 print(i[1][2]) print(i[:,2]) #可以用 ：来表示所有数 print(i[1,1:2]) #区间前开后闭

12. 循环

for 循环默认指定迭代一行，没有直接的列迭代如果想遍历矩阵每个元素，就先将矩阵转化为向量 i = np.arange(3,15) i = i.reshape(3,4) for row in i: print(row)

13. 将矩阵转变为向量

flatten（） i = np.arange(3,15) i = i.reshape(3,4) print(i) print(i.flatten())

14. 向量合并

vstack(向量a,向量b):上下合并hstack(向量a,向量b)：左右合并 j = np.array([1,1,1]) k = np.array([2,2,2]) print(np.vstack((j,k))) #上下合并 print(np.hstack((j,k))) #左右合并

15. 插入新的维度

在行或列插入 np.newaxis 表示在行或者列插入一个维度，具体可用shape属性查看 j = np.array([1,1,1]) j1 = j[np.newaxis,:] j2 = j[:,np.newaxis] print(j) print(j1.shape) print(j2) print(j2.shape)

16. 矩阵分割

np.split( 矩阵，划分块数，axis)：将矩阵通过指定的轴均等划分为目标块数，如果不能均等则报错；axis = 0表示水平划分；axis = 1表示垂直划分

np.vsplit(矩阵，块数)：横向划分，必须均等划分

np.hsplit(矩阵，块数)：纵向划分，必须均等划分

np.array_split() : 参数同np.split() ,不过可以不均等划分

l = np.arange(12).reshape(3,4) print(l) print(np.split(l,3,axis = 0)) # 行划分 print(np.split(l,2,axis = 1)) #列划分 # split必须进行均等分割 print(np.vsplit(l,3)) #横向分割 print(np.hsplit(l,2)) #纵向分割 # vsplit或者hsplit也必须均等分割 print(np.array_split(l,3,axis = 1)) #array_split 进行不均等的分割

17. copy()

向量，矩阵的赋值但不关联（如果只是简单等号赋值，当数其中一个数据改变，其他也会跟着改变） m = np.array([1,2,3]) n = m m[0] = 5 print(n) # 当m改变，n跟着m一起改变 n[0] = 10 print(m) #当n改变，m也跟着n一起改变

m = np.array([1,2,3]) n = m.copy() #只是复制，但不会关联 m[0] = 5 print(n) # 当m改变，n不变 n[0] = 10 print(m) #当n改变，m不变