numpy学习——基础篇

日期：2021/4/20

作者：就叫易易好了

什么是numpy库？

numpy的全名为Numeric python,是Python语言的一个扩充程序库，支持高级大量的维度数组与矩阵运算，而且还提供了大量的数学函数库。

基本语法

import numpy as np
array = np.array([[1,2,3],[2,3,4]])print(array)
print('number of dim:',array.ndim) #几维数组
print('shape:',array.shape)  #求行数是多少，列数是多少
print('size:',array.size)  #总共会有多少元素在里面

如何用numpy创建矩阵，数组?

import numpy as np
a=np.array([2,23,4])
print(a)#输出是[2 23 4]

可以给定义的属性制定type

a=np.array([2,23,4]，dtype=np.int)
print(a.dtype)#输出为：int64  也就是64位的int格式，默认64位的int  如果要设置成32位的int，可以dtype=np.int32

import numpy as np
a=np.zeros((3,4))
print(a)#运行结果为
[[0.0.0.0.][0.0.0.0.][0.0.0.0.]]

import numpy as np
a=np.ones((3,4),dtype=np.int16)
print(a)#运行结果为
[[1 1 1 1][1 1 1 1][1 1 1 1]]

import numpy as np
a=np.arange(10,20,2) #从10开始，到20结束（不包括20），输出数列，公差为2
print(a)#运行结果为
[10,12,14,16,18]

import numpy as np
a=np.arange(12).reshape((3,4))  #重新定义形状，为3行，4列
print(a)运行结果为：
[[0 1 2 3][4 5 6 7][8 9 10 11]]

import numpy as np
a=np.linspace(1,10,5)  #1到10这串数字，生成5个数，每个数字之间等距
print(a)#运行结果为[1  3.25  5.5  7.75  10]

如果要改变上面这个矩阵的形状，可以reshape一下

import numpy as np
a=np.linspace(1,10,6).reshape((2,3))  #1到10这串数字，生成6个数，每个数字之间等距,2行3列
print(a)
#运行结果为
[[1  2.8  4.6][6.4 8.2 10]]

#array的减法
import numpy as np
a=np.array([10,20,30,40])
b=np.arange(4)
print(a,b)
c=a-b
print(c)#运行结果为
[10 20 30 40][0 1 2 3]
[10 19 28 37]

#调用sin函数
import numpy as np
a=np.array([10,20,30,40])
b=np.arange(4)
c=10*np.sin(a)
print(c)

import numpy as np
b=np.arange(4)
print(b)
print(b<3)#运行结果为
[0 1 2 3]
[True True True False]

矩阵之间的计算

import numpy as np
a=np.array([[1,1],[0,1]])
b=np.arange(4).reshape((2,2))c=a*b  #逐个相乘
c_dot=np.dot(a,b)  #矩阵相乘
print(c)
print(c_dot)#运行结果
[[1 1][0 1]]
[[0 1][2 3]][[0 1][0 3]]
[[2 4][2 3]]

import numpy as np
a=np.random.random((2,4)) #随机生成一个2行4列的矩阵print(a)
print(np.sum(a)) #求这个矩阵的所有元素和
print(np.min(a)) #求这个矩阵的最小元素
print(np.max(a)) #求这个矩阵的最大元素#如果只需要求第一行的元素和，可以定义一个维度
print(np.sum(a,axis=1)) #按行求和
#axis=0时是按列数求和

索引

注意索引从0开始！！

import numpy as np
A=np.arange(2,14).reshape((3,4))
print(np.argmin(A))  #求最小值的索引
print(np.argmax(A)) #求最大值的索引
print(np.mean(A)) #求平均值
print(np.median(A)) #求中位数#运行结果为
[[2 3 4 5][6 7 8 9][10 11 12 13]]
0
11
7.5
7.5

import numpy as np
A=np.arange(3,15)
print(A)
print(A[3]) #输出索引为3的元素#运行结果为
[3 4 5 6 7 8 9 10 11 12 13 14]
6#如果该矩阵有维度
import numpy as np
A=np.arange(3,15)。reshape((3,4))
print(A)
print(A[2]) #输出索引为2的行
print(A[1][1]) #输出索引为第1行第1列的元素
print(A[2,:]) #输出第2行的所有列
print(A[:,1]) #输出第1列的所有行
print(A[1,1:2]) #输出索引为第1列的1到2的元素值

array合并

import numpy as np
A=np.array([1,1,1])
B=np.array([2,2,2])
C=print(np.vstack((A,B))) #向下的合并,vertical stack
#运行结果为
[[1 1 1][2 2 2]]#如果要看A和C的shape，可以
print(A.shape,C.shape)
结果为
(3,)(2,3)#还可以向后合并
D=np.hstack((A,B))
print(D)
print(A.shape,D.shape)
#结果为[1 1 1 2 2 2]
(3,)(6,)C=print(np.vstack((A,B))) #向下的合并,vertical stack
#运行结果为
[[1 1 1][2 2 2]]#如果要看A和C的shape，可以
print(A.shape,C.shape)
结果为
(3,)(2,3)#还可以向后合并
D=np.hstack((A,B))
print(D)
print(A.shape,D.shape)
#结果为[1 1 1 2 2 2]
(3,)(6,)

numpy学习——基础篇相关推荐

强化学习基础篇（五）：Dyna-Q 算法
强化学习基础篇(五):Dyna-Q 算法 (Dynamic Programming) 1. 简介 2. Dyna-Q 3. Dyna-Q 代码实践 4. 小结文章转于伯禹学习平台-动手学强化学习 ...
python传递参数格式_Python语言学习基础篇之Python发送Post请求之根据参数位置传参、数据类型、不同方式传参...
本文主要介绍了Python语言学习基础篇之Python发送Post请求之根据参数位置传参.数据类型.不同方式传参,通过具体的内容向大家展现,希望对大家Python语言的学习有所帮助. 目录一.验证 ...
回溯法采用的搜索策略_强化学习基础篇（三十四）基于模拟的搜索算法
强化学习基础篇(三十四)基于模拟的搜索算法上一篇Dyna算法是基于真实经验数据和模拟经验数据来解决马尔科夫决策过程的问题.本篇将结合前向搜索和采样法,构建更加高效的搜索规划算法,即基于模拟的搜索算法 ...
LINUX学习基础篇（六）帮助命令
LINUX学习基础篇(六)帮助命令帮助命令 man(Manual) info help - -help 帮助命令 man(Manual) 作用:查看联机帮助手册. 执行权限:所有用户. man命令的 ...
LINUX学习基础篇（十二）痕迹命令
LINUX学习基础篇(十二)痕迹命令系统痕迹命令 w命令 who命令 last命令 lastlog命令 lastb命令系统痕迹命令系统中有一些重要的痕迹日志文件,如/var/log/wtmp./ ...
LINUX学习基础篇（十五）软件包管理
LINUX学习基础篇(十五)软件包管理软件包管理软件包分类源码包二进制包选择依赖性 rpm包安装 rpm包命名规则 rpm包安装和卸载服务命令 rpm查询命令验证数字证书 rpm中文 ...
深度学习基础篇【5】从0开始搭建YOLOV5 并进行测试
深度学习基础篇[5] 从0开始搭建 YOLOV5 并进行测试如何评价YOLO V5,那就必须拿"上一代"YOLO V4来做对照了.先说结论,YOLO V5 在性能上稍弱于YOL ...
shell学习-基础篇
shell学习-基础篇 Linux? 挺好的! shell是基础- 最近利用闲暇时间在 http://c.biancheng.net/ 网站上学习了shell基础篇,整理成博客以加深理解文章目录 L ...
LINUX学习基础篇（三十三）系统资源
LINUX学习基础篇(三十三)系统资源系统资源查看 vmstat命令监控系统资源 dmesg显示开机时内核检测信息 free命令查看内存使用状态查看CPU信息查看内存信息查看当前登录的用户 u ...

numpy学习——基础篇

numpy学习——基础篇

基本语法

矩阵之间的计算

array合并

numpy学习——基础篇相关推荐

最新文章

热门文章