1.NumPy访问【数组&矩阵】

2.矩阵的运算

3.NumPy通用函数

4.NumPy矩阵的合并和分割

print "**********Numpy访问(数组&矩阵)***********"
def f(x,y):
return 10*x+y
arr8=np.fromfunction(f,(4,3),dtype=int) #创建矩阵
print arr8
print "****索引访问矩阵****"
print arr8[2,1]
print "****切片访问矩阵****"
print arr8[0:2,:] #访问矩阵前2行
#切片操作就是在索引操作的基础上对行和列分别操作
print arr8[1:3,1:2] #访问矩阵的第一行和第二行的第一列(下标从0开始)
print arr8[0:2,] #矩阵前2行
print "矩阵第一列"
print arr8[:,1]
print "矩阵最后一行"
print arr8[3:4,]
print arr8[-1]
print "****迭代器访问矩阵****"
for row in arr8:
print row
for i in [0,1,2]: #修改矩阵的值
row[i]+=8
print arr8
for element in arr8.flat: #访问矩阵中的元素
print element,
# element +=20
# print element,
print "**********NumPy【矩阵的运算】*************"
ar1=np.array([[2,1],[1,2]])
ar2=np.array([[1,2],[3,4]])
print ar1-ar2
print ar1**2
print ar2*3
print ar1*ar2 #普通乘法
print np.dot(ar1,ar2) #矩阵乘法
print ar2.T #转置
print np.linalg.inv(ar2) #矩阵的逆
print ar2.sum() #矩阵元素求和
print ar2.max() #矩阵最大的元素
ar3=np.array([[1,2],[3,4],[5,6]])
print ar3.cumsum(1) #按行累计总和
print "**************"
print ar2
ar4=np.array([1,8,9,0,5])
ar5=np.array([[1,8,9,0,5],[2,7,0,6,4],[3,0,6,5,9]])
print ar4
print np.nonzero(ar4) #返回数组非零元素的位置
print np.nonzero(ar5) #第二个数组返回非零元素的位置
print "**************NumPy通用函数******************"
print np.exp(ar1)
print np.sin(ar1) #弧度制
print np.sqrt(ar1) #开方函数
print np.add(ar1,ar2)
print "*************NumPy 矩阵的合并和分割***************"
ar7=np.vstack((ar1,ar2)) #纵向合并矩阵
print ar7
ar8=np.hstack((ar1,ar2))
print ar8 #横向合并矩阵
print "纵向分割"
print np.vsplit(ar7,2)
print "横向分割"
print np.hsplit(ar8,2)

结果:

  

**********Numpy访问(数组&矩阵)***********
[[ 0 1 2]
[10 11 12]
[20 21 22]
[30 31 32]]
****索引访问矩阵****
21
****切片访问矩阵****
[[ 0 1 2]
[10 11 12]]
[[11]
[21]]
[[ 0 1 2]
[10 11 12]]
矩阵第一列
[ 1 11 21 31]
矩阵最后一行
[[30 31 32]]
[30 31 32]
****迭代器访问矩阵****
[0 1 2]
[10 11 12]
[20 21 22]
[30 31 32]
[[ 8 9 10]
[18 19 20]
[28 29 30]
[38 39 40]]
8 9 10 18 19 20 28 29 30 38 39 40 **********NumPy【矩阵的运算】*************
[[ 1 -1]
[-2 -2]]
[[4 1]
[1 4]]
[[ 3 6]
[ 9 12]]
[[2 2]
[3 8]]
[[ 5 8]
[ 7 10]]
[[1 3]
[2 4]]
[[-2. 1. ]
[ 1.5 -0.5]]
10
4
[[ 1 3]
[ 3 7]
[ 5 11]]
**************
[[1 2]
[3 4]]
[1 8 9 0 5]
(array([0, 1, 2, 4]),)
(array([0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2]), array([0, 1, 2, 4, 0, 1, 3, 4, 0, 2, 3, 4]))
**************NumPy通用函数******************
[[ 7.3890561 2.71828183]
[ 2.71828183 7.3890561 ]]
[[ 0.90929743 0.84147098]
[ 0.84147098 0.90929743]]
[[ 1.41421356 1. ]
[ 1. 1.41421356]]
[[3 3]
[4 6]]
*************NumPy 矩阵的合并和分割***************
[[2 1]
[1 2]
[1 2]
[3 4]]
[[2 1 1 2]
[1 2 3 4]]
纵向分割
[array([[2, 1],
[1, 2]]), array([[1, 2],
[3, 4]])]
横向分割
[array([[2, 1],
[1, 2]]), array([[1, 2],
[3, 4]])]

Python---NumPy模块---矩阵操作的更多相关文章

  1. python OS 模块 文件目录操作

    Python OS 模块 文件目录操作 os模块中包含了一系列文件操作的函数,这里介绍的是一些在Linux平台上应用的文件操作函数.由于Linux是C写的,低层的libc库和系统调用的接口都是C AP ...

  2. Python numpy中矩阵的用法总结

    关于Python Numpy库基础知识请参考博文:https://www.cnblogs.com/wj-1314/p/9722794.html Python矩阵的基本用法 mat()函数将目标数据的类 ...

  3. python numpy模块

    目录 numpy模块 一维数组 二维数组(用的最多的) 获取多维数组的行和列 多维数组的索引 高级功能 多维数组的元素的替换 通过函数方法创建多维数组 矩阵的运算 点乘和转置(了解) 点乘必须 m*n ...

  4. Python中的矩阵操作

    Numpy 通过观察Python的自有数据类型,我们可以发现Python原生并不提供多维数组的操作,那么为了处理矩阵,就需要使用第三方提供的相关的包. NumPy 是一个非常优秀的提供矩阵操作的包.N ...

  5. Python MySQLdb模块连接操作mysql数据库实例_python

    mysql是一个优秀的开源数据库,它现在的应用非常的广泛,因此很有必要简单的介绍一下用python操作mysql数据库的方法.python操作数据库需要安装一个第三方的模块,在http://mysql ...

  6. [Python]-numpy模块-机器学习Python入门《Python机器学习手册》-01-向量、矩阵和数组

    <Python机器学习手册--从数据预处理到深度学习> 这本书类似于工具书或者字典,对于python具体代码的调用和使用场景写的很清楚,感觉虽然是工具书,但是对照着做一遍应该可以对机器学习 ...

  7. python numpy 模块简单介绍

    用python自带的list去处理数组效率很低, numpy就诞生了, 它提供了ndarry对象,N-dimensional object, 是存储单一数据类型的多维数组,即所有的元素都是同一种类型. ...

  8. python numpy模块使用笔记(更新)

    np.arange(int a) 生成一个一维array,元素个数是a个,元素是0到a-1 注意arange不能直接生成多维array np.arange(int a).reshape(int b,i ...

  9. python numPy模块 与numpy里的数据类型、数据类型对象dtype

    学习链接:http://www.runoob.com/numpy/numpy-tutorial.html 官方链接:https://numpy.org/devdocs/user/quickstart. ...

随机推荐

  1. JS 比较运算符 逻辑运算符

    逻辑运算符 三元运算符 摘自:http://www.w3school.com.cn/js/js_comparisons.asp

  2. 3W法则-学习Docker

    一.前言       5W1H法则是在一次面试中学习到的,后来在工作也开始使用这种东西,虽然最后没去那家公司,但是也是学习到了,关注开这些东西以后,也发现了一些简化版的3W法则,最近公司也要搞Doce ...

  3. [转]ionic或者angularjs中图片显示压缩问题解决 or 显示较大图片的某一块区域、裁剪显示

    我们知道在html中显示图片一般都是用img控件标签,当然调整大小的也很容易. 但是会出现,特定的img大小,显示一张比较大尺寸的且长宽比例与特定img大小不相符的图片.而导致压缩问题,图片挤压的很严 ...

  4. Mybatis_HelloWorld

    [梗概] 1.根据XML配置文件(全局配置文件,有数据源的一些运行信息)创建一个SqlSessionFactory对象. 2.sql映射文件:配置了每一个sql以及sql的封装规则. 3.将sql映射 ...

  5. CEO的作用

    看到有人讨论CEO的作用. 一个观点认为CEO有三大任务: 1)为公司确定战略,并与股东沟通 2)为公司其他职位找来合适的人员 3)保证公司随时有足够的钱 他认为,可能CEO会有其他的作用,但是这三点 ...

  6. SPOJ - QTREE Query on a tree题解

    题目大意: 一棵树,有边权,有两个操作:1.修改一条边的权值:2.询问两点间路径上的边的权值的最大值. 思路: 十分裸的树链剖分+线段树,无非是边权要放到深度大的一端的点上,但是有两个坑爹的地方,改了 ...

  7. [1143] [CTSC2008]祭祀river(最大独立集 || 偏序集最大反链)

    传送门 网上说这是偏序集最大反链,然而我实在不理解. 所以我换了一个思路,先用floyd,根据点的连通性连边, 问题就转换成了找出最多的点,使任意两个点之间不连边,也就是最大独立集. ——代码 #in ...

  8. 【NOIP2017练习】怎样打好隔膜(贪心,堆,带删除priority_queue)

    题意:OI大师抖儿在夺得银牌之后,顺利保送pku.这一天,抖儿问长者:“我的手速虽然已经站在了人类的巅峰,但是打隔膜还是输.我换了很多队友,但是没有用.请问应该怎样打好隔膜?”长者回答:“你啊,Too ...

  9. Kerberos认证浅析

    1 引言 在希腊神话中Kerberos是守护地狱之门的一条凶猛的三头神犬,而我们在本文中所要介绍的Kerberos认证协议是由美国麻省理工学院(MIT)首先提出并实现的,是该校雅典娜计划的一部分.这个 ...

  10. Jenkins + SVN搭建php持续集成

    目标需求 开发提交代码到SVN,jenkins在分发服务器上执行'svn update',分发服务器在把代码同步到webserver,实现持续集成 流程 配置jenkins 一.jenkins所需插件 ...