numpy矩阵与通用函数
2024-05-10 09:03:37
Numpy是用于数据科学计算的基础，不但能够完成科学计算任务，还能被
用作高效地多维数据容器。用于存储和处理大型矩阵。
Python提供了一个array模块，和list不同，它直接保存数值，但是由于
Python 的array模块不支持多维，也没有各种运算函数。
Numpy 弥补了这一遗憾。Numpy提供了一种存储单一数据类型的多维数
组——ndarray
import numpy as n
#创建一个数组
#更改数组形状
# arr=np.arange(16).reshape(4,4)
# print(arr)
# arr.shape=(4,4)
# print(arr)
"""
[[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11][12 13 14 15]]
"""#展评数组
# arr=np.arange(16).reshape(4,4)
# print(np.ravel(arr))
#或
# print(arr.ravel())
"""
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15]
"""#横向展平
# arr=np.arange(16).reshape(4,4)
# print(arr)
# print(arr.flatten()) #默认参数C
"""
[[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11][12 13 14 15]]
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15]
"""#纵向展平
# arr=np.arange(16).reshape(4,4)
# print(arr)
# print(arr.flatten('F')) #参数是F
"""
[[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11][12 13 14 15]]
[ 0 4 8 12 1 5 9 13 2 6 10 14 3 7 11 15]
"""#数组横向拼接
# arr1=np.arange(6).reshape(2,3)
# arr2=np.array([[1,2,3],[2,3,4]])
# print(np.hstack((arr1,arr2)))#注意传递的是元组(arr1,arr2)
"""
[[0 1 2 1 2 3][3 4 5 2 3 4]]
"""
#或
# print(np.concatenate((arr1,arr2),axis=1)) 1 代表横向
"""
[[0 1 2 1 2 3][3 4 5 2 3 4]]
"""#数组纵向拼接
# arr1=np.arange(6).reshape(2,3)
# arr2=np.array([[1,2,3],[2,3,4]])
# print(np.vstack((arr1,arr2)))
#或
# print(np.concatenate((arr1,arr2),axis=0)) #0 代表纵向
"""
[[0 1 2][3 4 5][1 2 3][2 3 4]]"""#拼接，转置
# arr1=np.arange(6).reshape(2,3)
# arr2=np.array([[1,2]])
# print(arr2.ndim)
# print(arr1)
# print(arr2)
# print(np.concatenate((arr1,arr2.T),axis=1))
"""
[[0 1 2][3 4 5]][[1 2]][[0 1 2 1][3 4 5 2]]"""
"""
维度必须保持一致才可以进行拼接
拼接过程中如果横向拼接必须保持行一致
纵向拼接必须列一致
"""#数组横向拆分
# arr=np.arange(16).reshape(4,4)
# print(arr)
# print(np.hsplit(arr,2))
#或
# print(np.split(arr,2,axis=1))
"""
[[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11][12 13 14 15]]
[array([[ 0, 1],[ 4, 5],[ 8, 9],[12, 13]]), array([[ 2, 3],[ 6, 7],[10, 11],[14, 15]])]"""#数组纵向拆分
# arr=np.arange(16).reshape(4,4)
# print(arr)
# print(np.vsplit(arr,2))
# print(np.split(arr,2,axis=0))
"""
[[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11][12 13 14 15]]
[array([[0, 1, 2, 3],[4, 5, 6, 7]]), array([[ 8, 9, 10, 11],[12, 13, 14, 15]])]
[array([[0, 1, 2, 3],[4, 5, 6, 7]]), array([[ 8, 9, 10, 11],[12, 13, 14, 15]])]
"""#创建矩阵2种方法
# m1=np.mat('1 2 3;4 5 6;7 8 9')
# print(m1)
#或
# m1=np.mat([[1,2,3],[4,5,6],[7,8,9]])
# print(m1)
"""
[[1 2 3][4 5 6][7 8 9]]
"""#创建矩阵 matrix
# m1=np.matrix([[1,2,3],[2,3,4],[3,4,5]])
# print(m1)
# print(m1.ndim)
# print(type(m1))
"""
[[1 2 3][2 3 4][3 4 5]]
2
<class 'numpy.matrix'>"""
"""
mat比matrix 更节省内存 因为matrix 会拷贝一份
"""#组合矩阵
# m1=np.mat('1 2 3;4 5 6;7 8 9')
# m2=np.mat([[0,2,3],[4,0,6],[0,8,9]])
# m3=np.bmat('m1,m2;m2,m1')
#或
# m3=np.bmat([[m1,m2],[m2,m1]])
# print(m3)
"""
[[1 2 3 0 2 3][4 5 6 4 0 6][7 8 9 0 8 9][0 2 3 1 2 3][4 0 6 4 5 6][0 8 9 7 8 9]]
"""#矩阵的四则运算
# m1=np.mat('1 2 3;2 3 4')
#单独与数相乘 对应元素位置相乘
# m=m1*5
# print(m)
"""
[[ 5 10 15][10 15 20]]
"""#矩阵相加 对应元素位置相加
# m1=np.mat('1 2 3;2 3 4')
# m2=np.mat('1 1 1;1 1 1')
# print(m1+m2)
# print(m1-m2)
"""
[[2 3 4][3 4 5]][[0 1 2][1 2 3]]
"""#矩阵互乘
# m1=np.mat('1 2 3;2 3 4')
# m2=np.mat('3 1 1;2 2 1').reshape(3,2)
# print(m1)
# print(m2)
# print(m1*m2)
# print(np.matmul(m1,m2))
# print(np.dot(m1,m2))
"""
[[11 8][17 12]]
"""
"""
m n*n m 左矩阵列数必须与右矩阵行数相同才可以相乘"""#矩阵对应元素相乘 区别于矩阵互乘
# m1=np.mat('1 2 3;2 3 4')
# m2=np.mat('1 2 3;2 3 4')
# print(np.multiply(m1,m2))
"""
[[ 1 4 9][ 4 9 16]]"""# m=np.mat('1 0 3;2 7 4;3 4 5')
# print('m',m)
# print('m转置',m.T)#行列转换
# print('m共轭转置',m.H)#先共轭 在转置
# print('m逆',m.I)#相乘等于E单位矩阵
# print('m视图',m.A)#视图
# print('m视图',type(m.A))#<class 'numpy.ndarray'>#数组的四则运算
# arr1=np.arange(4).reshape(2,2)
# print(arr1)
# arr2=np.array([[1,2],[1,2]])
# print(arr2)
#加法 对应元素加减
# arr=arr1+arr2
# print(arr)#减法
# arr=arr1-arr2
# print(arr)#乘法 对应元素相乘（注意：不同于矩阵）
# arr=arr1*arr2
# print(arr)#除法 对应元素相除 分母不为0
# arr=arr1/arr2
# print(arr)#幂
# arr=arr1**arr2
# print(arr)
"""
[[0 1][2 3]]
[[1 2][1 2]]
[[1 3][3 5]]
[[-1 -1][ 1 1]]
[[0 2][2 6]]
[[0. 0.5][2. 1.5]]
[[0 1][2 9]]
"""#比较运算
# arr1=np.arange(4).reshape(2,2)
# print(arr1)
# arr2=np.array([[1,2],[1,2]])
# print(arr2)
#
# print('arr1>=arr2',arr1>=arr2)
# print('arr1<=arr2',arr1<=arr2)
# print('arr1==arr2',arr1==arr2)
# print('arr1!=arr2',arr1!=arr2)
#返回布尔数组
"""
[[0 1][2 3]]
[[1 2][1 2]]
arr1>=arr2 [[False False][ True True]]
arr1<=arr2 [[ True True][False False]]
arr1==arr2 [[False False][False False]]
arr1!=arr2 [[ True True][ True True]]
"""#逻辑运算 any all 运算结果返回布尔值
# arr1=np.arange(4).reshape(2,2)
# print(arr1)
# arr2=np.array([[0,1],[1,2]])
# print(arr2)
#
# print(np.any(arr1==arr2)) #相当于or 其中一个为真 就成立True
# print(np.all(arr1==arr2)) #相当于and
"""
[[0 1][2 3]]
[[0 1][1 2]]
True
False"""#数组排序
# arr=np.arange(16,0,-1)
# print(arr)
# arr.sort()#进行排序 从小到大
# print(arr)
"""
[16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1]
[ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16]
"""#二维数组排序
# arr=np.arange(16,0,-1).reshape(4,4)
# print(arr)
# arr.sort(axis=1)#按照 横向进行排序
# print(arr)
# arr.sort(axis=0)#按照 纵向进行排序
# print(arr)
"""
[[16 15 14 13][12 11 10 9][ 8 7 6 5][ 4 3 2 1]]
[[13 14 15 16][ 9 10 11 12][ 5 6 7 8][ 1 2 3 4]]
[[ 1 2 3 4][ 5 6 7 8][ 9 10 11 12][13 14 15 16]]
"""#间接排序，下标排序
# arr=np.arange(4,0,-1)
# print(arr)
# print(np.argsort(arr))
#或
# print(arr.argsort())
"""
[4 3 2 1]
[3 2 1 0]
"""# arr1=np.array([3,2,5,7,0])
# arr2=np.array([90,67,87,24,54])
# arr3=np.array([111,320,200,222,100])
# arr=np.lexsort((arr1,arr2,arr3))#根据最后一个排序方式对前几个影响
# print(arr)
"""
[4 0 2 3 1]
"""# arr=np.array(['刘争1','刘争','刘争2','刘争3','刘争1','刘争','刘争3','刘争2'])
# # print(arr)
# arr_new=np.unique(arr)#去重 排序
# print(arr_new)
"""
['刘争' '刘争1' '刘争2' '刘争3']
"""#重复数据 tile 对整个数组进行重复
# arr=np.arange(4).reshape(2,2)
# a=np.tile(arr,3)
# print(a)
"""
[[0 1 0 1 0 1][2 3 2 3 2 3]]
"""#重复数据 repeat 对行列进行重复
arr=np.arange(4).reshape(2,2)
a=np.repeat(arr,3,axis=1)#横向重复
# print(a)
"""
[[0 0 0 1 1 1][2 2 2 3 3 3]]
"""
a=np.repeat(arr,3,axis=0)#纵向重复
print(arr)
print(a)
"""
[[0 1][2 3]]
[[0 1][0 1][0 1][2 3][2 3][2 3]]
"""#常用指标统计
#创建数组
#本题按照横向的方向进行求取
arr=np.arange(9).reshape(3,3)
print(arr)
#sum,mean,std,var,min,max,argmax,argmin,cumsum,cumprod
# print('arr的和',arr.sum())
print('arr的和',np.sum(arr,axis=1))
print('arr的均值',np.mean(arr,axis=1))
print('arr的标准差',np.std(arr,axis=1))
print('arr的方差',np.var(arr,axis=1))
print('arr的最小值',np.min(arr,axis=1))
print('arr的最大值',np.max(arr,axis=1))
print('arr的最大值下标',np.argmax(arr,axis=1))
print('arr的最小值下标',np.argmin(arr,axis=1))
print('arr的累计和',np.cumsum(arr,axis=1))
print('arr的累计积',np.cumprod(arr,axis=1))
"""
[[0 1][2 3]]
[[0 1][0 1][0 1][2 3][2 3][2 3]]
[[0 1 2][3 4 5][6 7 8]]
arr的和 [ 3 12 21]
arr的均值 [1. 4. 7.]
arr的标准差 [0.81649658 0.81649658 0.81649658]
arr的方差 [0.66666667 0.66666667 0.66666667]
arr的最小值 [0 3 6]
arr的最大值 [2 5 8]
arr的最大值下标 [2 2 2]
arr的最小值下标 [0 0 0]
arr的累计和 [[ 0 1 3][ 3 7 12][ 6 13 21]]
arr的累计积 [[ 0 0 0][ 3 12 60][ 6 42 336]]
"""
numpy矩阵与通用函数相关推荐
- python文本数据转换数值矩阵_python numpy矩阵的数据类型转换
在python中,numpy矩阵的数据类型转换需要调用astype(),直接修改dtype是无效的.调用astype返回数据类型修改后的矩阵,但是源数据的类型不会变,需要再对源数据的赋值进行操作才可以 ...
- numpy 矩阵转置
numpy 矩阵转置 import numpy as np a1 = np.arange(0,10).reshape(2,5) print(a1) [[0 1 2 3 4][5 6 7 8 9]] a ...
- python numpy矩阵的旋转, 转置, 正对角线镜像, 副对角线镜像, 行交换, 列交换操作 rot90()
引用文章: NumPy矩阵的旋转 http://liao.cpython.org/numpy13/
- python的常见矩阵除法_Python numpy矩阵处理运算工具用法汇总
numpy是用于处理矩阵运算非常好的工具.执行效率高,因为其底层是用的是C语句 使用numpy,需要将数据转换成numpy能识别的矩阵格式. 基本用法: numpy.array(object, dty ...
- NumPy 矩阵库(Matrix)
NumPy 矩阵库(Matrix) NumPy 中包含了一个矩阵库 numpy.matlib,该模块中的函数返回的是一个矩阵,而不是 ndarray 对象. 一个 的矩阵是一个由行(row)列(col ...
- python把矩阵堆叠成大矩阵_python numpy 矩阵堆叠实例
在实际操作中,遇到了矩阵堆叠的操作,本来想着自己写一个函数,后来想,应该有库函数,于是一阵找寻 import numpy as np a = np.array([1,2,3]) b = np.arra ...
- python增加一列数据_Python编程给numpy矩阵添加一列方法示例
首先我们有一个数据是一个mn的numpy矩阵现在我们希望能够进行给他加上一列变成一个m(n+1)的矩阵 import numpy as np a = np.array([[1,2,3],[4,5,6] ...
- c++读出像素矩阵_Python传numpy矩阵调c++（求3D图像连通区域）
Python有很多种调c++的方法,有的复杂有的简单,有时使用的时候反而不知道到底该用哪一种比较好,其实没有最好的方法,只有适合不适合自己.本文从我所遇到的问题说起,然后讲述另一种比较简单的pytho ...
- python 轮廓矩阵_python – 在3D numpy矩阵中绘制给定值的曲面轮廓
我有三个对应于xyz坐标空间的3D网格矩阵(X,Y,Z). 我还有一个3D Numpy矩阵A,其中A [i,j,k]包含一个与点(x,y,z)相关联的浮点数,其中x = X [i,j,k],y = Y ...
最新文章
- E. coli Bacterial Assembly 大肠杆菌
- cmake找不到opencv解决
- C#中读取xml文件指定节点
- java 08_Java08-构造方法
- 项目: 用C语言写一个精美图形化的音乐播放器【C++ / C】
- linux大小写敏感和windows大小写不敏感（忽略大小写）导致的直接拷贝文件文件名冲突问题（需要打tar包再分享）
- nodejs后台启动
- matlab字符处理
- pythoni屏幕连点_【Flutter组件】仿抖音双击点赞弹出爱心效果（可连点）
- 利python写用赌博游戏函数版赏析：
- 今天的西红柿就跑了的P8U8源码
- 7-3 素数对猜想 (40 分)
- 201312-2-ISBN号码
- Codeforces Round #359 (Div. 2) C. Robbers' watch DFS
- nginx-配置记录
- 数组转ArrayList的正确方式
- SQL（五） 数据库 表格删除 表格内容删除
- Python - 装机系列2 Ubuntu（云）
- 如何用excel筛选相似内容_excel表格怎么筛选相同内容
- DTOJ 4015: 永琳的竹林迷径