numpy库

import numpy as np

array=np.array([[1,2,3],[2,4,6]])

array1=np.arange(6).reshape((2,3))

print(array)

print(array1)

print('矩阵维度:',array.ndim)

print('矩阵形状:',array.shape)

print('矩阵元素:',array.size)


#创建数组或矩阵的方法

import numpy as np

a=np.array([[1,2,3],[2,4,6]],dtype=np.int64) #利用numpy的array函数建立矩阵,必须有具体矩阵元素

print(a)

b=np.zeros((3,4)) #零矩阵

print(b)

c=np.ones((3,4),dtype=np.int32) #全部为1的矩阵

print(c)

d=np.empty((3,4)) #全部为空值的矩阵

print(d)

e=np.arange(10,20,2)#10到20步长为2的一行数组

print(e)

f=np.arange(12).reshape((3,4)) #按顺序构建矩阵

print(f)

g=np.linspace(1,12,20) #将1到12分为20段的数据排列

print(g)

h=np.linspace(1,10,6).reshape((2,3)) #分段构建矩阵,定义矩阵形状

print(h)

i=np.random.rand(3,4)#构建均匀分布随机数矩阵

print(i)

j=np.random.random((2,4))#构建随机数矩阵

print(j)

h=np.random.randn(3,2)

print(h)

k=np.random.normal(0, 1, 10)#正态分布随机数矩阵

print(k)


#创建数组或矩阵的方法

import numpy as np

a=np.array([[1,2,3],[2,4,6]],dtype=np.int64) #利用numpy的array函数建立矩阵,必须有具体矩阵元素

print(a)

b=np.zeros((3,4)) #零矩阵

print(b)

c=np.ones((3,4),dtype=np.int32) #全部为1的矩阵

print(c)

d=np.empty((3,4)) #全部为空值的矩阵

print(d)

e=np.arange(10,20,2)#10到20步长为2的一行数组

print(e)

f=np.arange(12).reshape((3,4)) #按顺序构建矩阵

print(f)

g=np.linspace(1,12,20) #将1到12分为20段的数据排列

print(g)

h=np.linspace(1,10,6).reshape((2,3)) #分段构建矩阵,定义矩阵形状

print(h)

i=np.random.rand(3,4)#构建均匀分布随机数矩阵

print(i)

j=np.random.random((2,4))#构建随机数矩阵

print(j)

h=np.random.randn(3,2)

print(h)

k=np.random.normal(0, 1, 10)#正态分布随机数矩阵

print(k)


#基础运算1—矩阵加减乘法

import numpy as np

a=np.array([10,20,30,40])

b=np.arange(4)

c=a-b

d=a+b

e=b**2

print(c)

print(d)

print(e)

#矩阵乘法

f=np.array([[1,2],[3,4]])

g=np.arange(4).reshape((2,2))

h=f*g #逐个相乘

h_dot=np.dot(f,g) #矩阵相乘

h_dot2=f.dot(g) #矩阵相乘2

print(h)

print(h_dot)

print(h_dot2)

a1=np.random.random((2,4)) #产生随机数矩阵

print("*",a1)

b1=np.sum(a1)#求和

b2=np.max(a1)#最大值

b3=np.min(a1)#最小值

print(b1,',',b2,',',b3)

print(np.sum(a1,axis=1))#每行都单独求和

print(np.max(a1,axis=0))#每列中最大值


#基础运算2

A=np.arange(2,14).reshape((3,4))

print(np.argmin(A))#矩阵最小索引参数,arguments:参数

print(np.argmax(A))#矩阵最大索引参数

#矩阵平均值

print(np.mean(A))

print(A.mean())

print(np.average(A))

print(np.median(A))#中位数

print(A)

print(np.cumsum(A))#逐步累积求和

print(np.diff(A))#逐步累差

print(np.nonzero(A))#找出非0的数

print(np.sort(A))#排序

print(np.transpose(A))#转置

print(A.T.dot(A))#矩阵乘法

print(np.clip(A,5,9))#小于5的数都变成5,大于9的数都等与9,介于5、9中间的数不变,clip:修剪


#切片

#numpy索引,注意:索引号0是开始第一个

B=np.arange(3,15).reshape((3,4))

print(B)

print(B[1][1])#第二行第二列的元素

print(B[2,1])#第三行第二列的元素

print(B[2,1:3])

print(B.flatten())#转化为一行向量,flatten:变平

print(B.reshape(1,12))

for i in B.flat:

    print(i,end=',')


#矩阵合并与分割,

C=np.array([1,1,1,1])

D=np.array([2,2,2,2])

print('1',np.vstack((C,D)))#上下合并,vertical:垂直的

print('2',np.hstack((C,D)))#左右合并,horizontal:水平的

print('3',B)

print('4',np.split(B,2,axis=1))#按行分割,行分成两部分

print('5',np.split(B,3,axis=0))#按列分割,列分成三部分

print('6',np.array_split(B,3,axis=1))#按行不等分割

print('7',np.array_split(B,2,axis=0))#按列不等分割

print('8',np.vsplit(B,3))#横向分割

print('9',np.hsplit(B,2))#纵向分割


©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,843评论 6 502
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,538评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,187评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,264评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,289评论 6 390
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,231评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,116评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,945评论 0 275
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,367评论 1 313
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,581评论 2 333
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,754评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,458评论 5 344
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,068评论 3 327
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,692评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,842评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,797评论 2 369
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,654评论 2 354

推荐阅读更多精彩内容