python中的Numpy库

导入numpy库：

import numpy as np

python的一个科学计算库的一个基础包，包含了强大的N维数组对象和向量运算

数组创建，可以使用array函数从常规的python列表和或元组中创建数组，得到的类型是从列表元素中农推导出来的

使用array函数创建数组，他接受一切序列型的对象，包括其他数组，然后产生一个新的 含有传入数据的numpy数组，其中嵌套数组会被转化为一个多维数组

 

把列表转化为数组

array=np.array([[1,2,3],[4,5,6]])
print(array,type(array))
#结果：
[[1 2 3]
 [4 5 6]] <class 'numpy.ndarray'>

a=np.array([1,2,3,4])
print(a,type(a))
#结果：
[1 2 3 4] <class 'numpy.ndarray'>

 

把元组转化为数组

array1=np.array(((1,2,3),(1,2,3)))
print(array1,type(array1))
#结果：
[[1 2 3]
 [1 2 3]] <class 'numpy.ndarray'>

创建初始占位内容的数组,zeros()可以创建指定长度或形状的全0数组 ones()可以创建指定长度或形状的全1数组 empty()可以创建一个数组，他的初始内容是随机的，取决于内存的状态

zeroarray=np.zeros((2,3))
print(zeroarray)
#结果：
[[0. 0. 0.]
 [0. 0. 0.]]

onesarray=np.ones((3,3))
print(onesarray)
#结果：
[[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]

emptyarray=np.empty((3,4))
print(emptyarray)
#结果：
[[7.06652000e-096 8.48798317e-314 6.01346930e-154 1.21328784e-311]
 [7.18988866e+140 6.01346953e-154 4.24399158e-313 4.94065646e-324]
 [1.21333862e-311 4.94065646e-324 1.21333862e-311 9.18024560e+062]]

Numpy提供了一个类似于range的函数，该函数返回数组而不是列表

array2=np.arange(10,31,5)
print(array2)
#结果：
[10 15 20 25 30]

输出数组的维度ndim,输出数组的形状shape，输出数组的元素个数size，元素类型dtype

print(array1)
#结果：
[[1 2 3]
 [1 2 3]]

print(array1.ndim)#输出维度 2
print(array1.shape)#输出形状 (2, 3)
print(array1.size)#输出个数 6
print(array1.dtype)#输出元素类型int32

 

重新定义数组的形状

array3=np.arange(6).reshape([2,3])
print(array3)
#结果：
[[0 1 2]
 [3 4 5]]

array3=np.array([[1,2,3],[4,5,6]],dtype=np.int64).reshape([3,2])
print(array3)
#结果：
[[1 2]
 [3 4]
 [5 6]]

 

矩阵的基础运算

arr1=np.array([[1,2,3],[4,5,6]])
arr2=np.ones([2,3],dtype=np.int64)
print(arr1+arr2)
#结果：
[[2 3 4]
 [5 6 7]]

print(arr1-arr2)
#结果：
[[0 1 2]
 [3 4 5]]

print(arr1*arr2)
#结果：
[[1 2 3]
 [4 5 6]]

print(arr1/arr2)
#结果：
[[1. 2. 3.]
 [4. 5. 6.]]

print(arr1**2)
#结果：
[[ 1  4  9]
 [16 25 36]]

 

矩阵的乘法

arr3=np.array([[1,2,3],[4,5,6]])
arr4=np.ones([3,2],dtype=np.int64)
print(arr3)
print(arr4)
print(np.dot(arr3,arr4)) #矩阵的乘法
#结果：
[[ 6  6]
 [15 15]]

 

矩阵的其他计算

print(arr3)
#结果：
[[1 2 3]
 [4 5 6]]

print(np.sum(arr3,axis=1))#axis=1是矩阵每一行求和，=0是每一列求和
print(np.sum(arr3,axis=0))
print(np.sum(arr3))
结果：
[ 6 15]
[5 7 9]
21

print(np.max(arr3))#矩阵中的最大值，axis=1是每一行的最大值，=0是每一列的最大值
print(np.min(arr3))
#结果：
6
1

print(np.mean(arr3))#矩阵中所有元素的均值，axis=1是每一行的均值，=0是每一列的均值
#结果：
3.5

print(np.argmax(arr3))#如果没有参数，就是最大值的索引
print(np.argmax(arr3,axis=1))#如果加上参数axis=1是a[0][0],a[1][0]和a[0][1],a[1][1]分别进行对比，初始是（0,0）大一次，就在对应的那行加1，比到最后，就是最后的结果了
print(np.argmax(arr3,axis=0))#如果加上参数axis=0是a[0][0],a[0][1]和a[1][0],a[1][1]分别进行对比，初始是（0,0）大一次，就在对应的那行加1，比到最后，就是最后的结果了
#结果：
5
[2 2]
[1 1 1]

print(np.argmin(arr3))
#结果：
0

 

矩阵的转置

zhuanzhi=np.transpose(arr3)
print(zhuanzhi)
#结果：
[[1 4]
 [2 5]
 [3 6]]

#把矩阵或数组降到一维
print(arr3.flatten())#默认是按横向进行降的
print(arr3.flatten('F'))#F参数表示是按竖向进行降的
#结果：
[1 2 3 4 5 6]
[1 4 2 5 3 6]

 

数组的索引和切片

arr5=np.arange(0,6).reshape([2,3])
print(arr5)
print(arr5[1])#索引为1的那行[3,4,5]
print(arr5[1][2])#索引为1行2列的那个值 5
print(arr5[1,2])#索引为1行2列的值 5

print(arr5[1,:])#行索引为1的那行，[3,4,5]
print(arr5[:,1])#列索引为1的那列，[1,4]
print(arr5[1,0:2])#行索引为1中的列索引为0,1的切片，遵循左闭右开的原则[3,4]
#结果：
[[0 1 2]
 [3 4 5]]
[3 4 5]
5
5
[3 4 5]
[1 4]
[3 4]