numpy模块(对矩阵的处理,ndarray对象)

6.12自我总结

一.numpy模块

import numpy as np约定俗称要把他变成np

1.模块官方文档地址

https://docs.scipy.org/doc/numpy/reference/?v=20190307135750

2.创建矩阵

1.np.array

import numpy as np
#创建一维的ndarray对象
arr = np.array([1, 2, 3])
print(arr)
#[1 2 3]

#创建二维的ndarray对象
arr = np.array([[1, 2, 3],
               [4,5,6]])
print(arr)
'''
[[1 2 3]
 [4 5 6]]
'''
#创建三维的ndarray对象
arr = np.array([[[1, 2, 3],[3,2,1]],
               [[4,5,6],[6,5,4]]])
print(arr)
'''
[[[1 2 3]
  [3 2 1]]

 [[4 5 6]
  [6 5 4]]]
'''

#我们可以这样理解.其实内这个可以相当于几何里面的,点,线,面,里面各个元素相当一个点,一个列表里面有几个元素相当于线也就是一维,然后列表里面套列表相当于线,以此类推

3.对于矩阵的操作(ndarray对象的方法)

1.shape(查看ndarray对象的形式)

import numpy as np
arr = np.array([[1, 2, 3],
               [4,5,6]])
print(arr.shape)
#(2, 3)
# (矩阵的行数,矩阵的列数)

2.切分工具

import numpy as np
arr = np.array([[1, 2, 3],
               [4,5,6]])

#取第一行全部
print(arr[0,:])

#取第一列全部
print(arr[:,0])

#取第二行第二个
print(arr[1,1],type(arr[1,1])) #5 <class 'numpy.int32'>
print(arr[1,1:2],type(arr[1,1:2]))#[5] <class 'numpy.ndarray'>

#取第二行第第二个和第三个
print(arr[1,1:3])

#取大于3的值
print(arr[arr>3])

#取第第一列大于3的值
arr_lien = arr[:,0]
print(arr_lien[arr_lien>3])

3.生成布尔矩阵

import numpy as np
arr = np.array([[1, 2, 3],
               [4,5,6]])
print(arr>5)
'''
[[False False False]
 [False False  True]]
'''

4.矩阵的替换

用切片取值然后进行赋值

5.矩阵合并

1.np.concatenate

import numpy as np
arr1 = np.array([[1, 2, 3],
               [4,5,6]])
arr1 = np.array([[3, 2, 4],
               [5,3,7]])

print(np.concatenate((arr1,arr2),axis=0或1) #前面只能写入一个容器,后面用axis控制竖着合并还是横着合并

6.矩阵的生成

1.arange

np.arage(起始值,结束值,步长)#顾头不顾尾,用法类似for 循环中的range

2.linspace/logspace

# 构造一个等差数列，取头也取尾，从0取到20，取5个数
print(np.linspace(0, 20, 5))
#[  0.   5.  10.  15.  20.]

# 构造一个等比数列，从10**0取到10**20，取5个数
print(np.logspace(0, 20, 5))
[1.e+00 1.e+05 1.e+10 1.e+15 1.e+20]

3.zeros/ones/eye

# 构造3*4的全0矩阵
print(np.zeros((3, 4))) #填的值为(行数,列数)

# 构造3*4的全1矩阵
print(np.ones((3, 4)))  #填的值为(行数,列数)

# 构造3个主元的单位矩阵
print(np.eye(3))     #填的值为(主元的个数)
'''
[[ 1.  0.  0.]
 [ 0.  1.  0.]
 [ 0.  0.  1.]]
'''

4.fromstring/fromfunction

# fromstring通过对字符串的字符编码所对应ASCII编码的位置，生成一个ndarray对象
s = 'abcdef'
# np.int8表示一个字符的字节数为8
print(np.fromstring(s, dtype=np.int8)) 

def func(i, j):
    """其中i为矩阵的行，j为矩阵的列"""
    return i*j

# 使用函数对矩阵元素的行和列的索引做处理，得到当前元素的值，索引从0开始，并构造一个3*4的矩阵
print(np.fromfunction(func, (3, 4)))

7.随机生成(np.random)

# RandomState()方法会让数据值随机一次，之后都是相同的数据
rs = np.random.RandomState(1)
print(rs.rand(10))

# 构造3*4的均匀分布的矩阵
# seed()方法会让数据值随机一次，之后都是相同的数据
np.random.seed(1)
print(np.random.rand(3, 4))

# 构造3*4*5的均匀分布的矩阵
print(np.random.rand(3, 4, 5))

# 构造3*4的正态分布的矩阵
print(np.random.randn(3, 4))

# 构造取值为1-5内的10个元素的ndarray数组
print(np.random.randint(1, 5, 10))

# 构造取值为0-1内的3*4的矩阵
print(np.random.random_sample((3, 4)))

# 随机选取arr中的两个元素
print(np.random.choice(arr, size=2))

对照表

函数名称	函数功能	参数说明
rand(d0,d1,⋯,dn)	产生[0,1)内的均匀分布的随机数	dn为第n维数据的维度
randn(d0,d1,⋯,dn)	产生标准正态分布随机数	dn为第n维数据的维度
randint(low[, high, size, dtype])	产生随机整数	low:最小值；high:最大值；size:数据个数
random_sample([size])	在[0,1)内产生随机数	size为随机数的shape，可以为元祖或者列表
choice(a[, size])	从arr中随机选择指定数据	arr为1维数组；size为数据形状

4.矩阵运算(与数据类型差不多)

运算表

运算符	说明
+	两个矩阵对应元素相加
-	两个矩阵对应元素相减
*	两个矩阵对应元素相乘
/	两个矩阵对应元素相除，如果都是整数则取商
%	两个矩阵对应元素相除后取余数
**n	单个矩阵每个元素都取n次方，如**2：每个元素都取平方

4.矩阵的行和列互换(transpose)

5.矩阵的最大最小值 ,平均值,方差

1.最大值ndarray对象.max

2.最小值ndarray对象.min

3.平均值ndarray对象.mean

4.方差ndarray对象.var

()代表区别

(axis=0)每列

(axis=1)每行

# 获取矩阵所有元素中的最大值
print(arr.max())

# 获取举着每一列的最大值
print(arr.max(axis=0))

# 获取矩阵每一行的最大值
print(arr.max(axis=1))

# 获取矩阵最大元素的索引位置
print(arr.argmax(axis=1)

# 获取矩阵所有元素的平均值
print(arr.mean())

# 获取矩阵每一列的平均值
print(arr.mean(axis=0))

# 获取矩阵每一行的平均值
print(arr.mean(axis=1))

# 获取矩阵所有元素的方差
print(arr.var())

# 获取矩阵每一列的元素的方差
print(arr.var(axis=0))

# 获取矩阵每一行的元素的方差
print(arr.var(axis=1))