numpy模块介绍

import numpy as np

np.array([1,2,3])

array([1, 2, 3])

np.array([[1,2,3],[4,5,6]])

array([[1, 2, 3],

       [4, 5, 6]])

arr = np.array([[1,2,3],[4,5,6],[7,8,9]])

arr

array([[1, 2, 3],

       [4, 5, 6],

       [7, 8, 9]])

把它给看成一个矩阵,或者看成一个ndarray数组的话,我们去获取他的形状.

arr = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])

arr.shape

(4, 3)

arr.shape[0]

print(arr.shape[0])

arr.shape[1]

切割矩阵

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

arr

arr[:]

array([1, 2, 3])

arr = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])

arr

array([[ 1,  2,  3],

       [ 4,  5,  6],

       [ 7,  8,  9],

       [10, 11, 12]])

arr[:,:]

array([[ 1,  2,  3],

       [ 4,  5,  6],

       [ 7,  8,  9],

       [10, 11, 12]])

arr[1:2,:]

array([[4, 5, 6]])

arr[1:2,1:2]

array([[5]])

arr[1:2,1:10000]

array([[5, 6]])

arr[1:2,[1,2]]

array([[5, 6]])

arr[1:2,(1,2)]

array([[5, 6]])

矩阵元素的替换

arr = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])

arr

array([[ 1,  2,  3],

       [ 4,  5,  6],

       [ 7,  8,  9],

       [10, 11, 12]])

l = [4,5,6]

l[1] = 0

l

[4, 0, 6]

# arr[1:2,:] = 0

# arr

arr1 = arr.copy()

arr1[1:2,:] = 0

arr1

array([[ 1,  2,  3],

       [ 0,  0,  0],

       [ 7,  8,  9],

       [10, 11, 12]])

arr

array([[ 1,  2,  3],

       [ 4,  5,  6],

       [ 7,  8,  9],

       [10, 11, 12]])

arr[(1,),(1,)] = 0

arr

array([[ 1,  2,  3],

       [ 4,  0,  6],

       [ 7,  8,  9],

       [10, 11, 12]])

矩阵的合并

l1 = [1,2,3]

l2 = [4,5,6]

# l1.extend(l2)

# l1

l1+l2

[1, 2, 3, 4, 5, 6]

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

arr1

array([[1, 2],

       [3, 4],

       [5, 6]])

arr2 = np.array([[7, 8,8], [9, 10,9], [11, 12,10]])

arr2

array([[ 7,  8,  8],

       [ 9, 10,  9],

       [11, 12, 10]])

np.hstack((arr1,arr2)) # h=horizontal水平的

array([[ 1,  2,  7,  8,  8],

       [ 3,  4,  9, 10,  9],

       [ 5,  6, 11, 12, 10]])

np.hstack([arr1,arr2])

array([[ 1,  2,  7,  8,  8],

       [ 3,  4,  9, 10,  9],

       [ 5,  6, 11, 12, 10]])

np.vstack((arr1,arr2)) # v=vertical垂直的

---------------------------------------------------------------------------

ValueError                                Traceback (most recent call last)

<ipython-input-53-4122b6300983> in <module>

----> 1 np.vstack((arr1,arr2)) # v=vertical垂直的

d:\python36\lib\site-packages\numpy\core\shape_base.py in vstack(tup)

    281     """

    282     _warn_for_nonsequence(tup)

--> 283     return _nx.concatenate([atleast_2d(_m) for _m in tup], 0)

    284

    285

ValueError: all the input array dimensions except for the concatenation axis must match exactly

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

arr1

array([[1, 2, 3],

       [3, 4, 4],

       [5, 6, 4]])

arr2 = np.array([[7, 8,8], [9, 10,9], [11, 12,10]])

arr2

array([[ 7,  8,  8],

       [ 9, 10,  9],

       [11, 12, 10]])

np.vstack((arr1,arr2)) # v=vertical垂直的

array([[ 1,  2,  3],

       [ 3,  4,  4],

       [ 5,  6,  4],

       [ 7,  8,  8],

       [ 9, 10,  9],

       [11, 12, 10]])

通过函数创建矩阵

range(10)

range(0, 10)

list(range(5,10,2))

[5, 7, 9]

np.arange(10,20,2)

array([10, 12, 14, 16, 18])

# 取头也取尾

arr = np.linspace(1,10,20)

arr

array([ 1.        ,  1.47368421,  1.94736842,  2.42105263,  2.89473684,

        3.36842105,  3.84210526,  4.31578947,  4.78947368,  5.26315789,

        5.73684211,  6.21052632,  6.68421053,  7.15789474,  7.63157895,

        8.10526316,  8.57894737,  9.05263158,  9.52631579, 10.        ])

len(arr)

zeros/ones/empty

np.zeros((3,2)) # zeros零

array([[0., 0.],

       [0., 0.],

       [0., 0.]])

np.ones((3,2)) # ones一

array([[1., 1.],

       [1., 1.],

       [1., 1.]])

np.empty((3,3)) # 随机元素的矩阵

array([[0.00000000e+000, 0.00000000e+000, 0.00000000e+000],

       [0.00000000e+000, 0.00000000e+000, 7.37145944e-321],

       [8.70018274e-313, 2.22507386e-306, 3.91786943e-317]])

np.eye(4) # I=1

array([[1., 0., 0., 0.],

       [0., 1., 0., 0.],

       [0., 0., 1., 0.],

       [0., 0., 0., 1.]])

np.eye(7)

array([[1., 0., 0., 0., 0., 0., 0.],

       [0., 1., 0., 0., 0., 0., 0.],

       [0., 0., 1., 0., 0., 0., 0.],

       [0., 0., 0., 1., 0., 0., 0.],

       [0., 0., 0., 0., 1., 0., 0.],

       [0., 0., 0., 0., 0., 1., 0.],

       [0., 0., 0., 0., 0., 0., 1.]])

矩阵的运算

列表无法进行+-*/运算,但是矩阵是可以的.

l1 =[1,3,4]

l1*2

[1, 3, 4, 1, 3, 4]

l1+l1

[1, 3, 4, 1, 3, 4]

arr2 = np.array([[7, 8,8], [9, 10,9], [11, 12,10]])

arr2

array([[ 7,  8,  8],

       [ 9, 10,  9],

       [11, 12, 10]])

arr2*2

array([[14, 16, 16],

       [18, 20, 18],

       [22, 24, 20]])

arr2/2

array([[3.5, 4. , 4. ],

       [4.5, 5. , 4.5],

       [5.5, 6. , 5. ]])

arr2%2

array([[1, 0, 0],

       [1, 0, 1],

       [1, 0, 0]], dtype=int32)

np.sin(arr2)

array([[ 0.6569866 ,  0.98935825,  0.98935825],

       [ 0.41211849, -0.54402111,  0.41211849],

       [-0.99999021, -0.53657292, -0.54402111]])

矩阵函数	详解
np.sin(arr)	对矩阵arr中每个元素取正弦，$sin(x)$
np.cos(arr)	对矩阵arr中每个元素取余弦，$cos(x)$
np.tan(arr)	对矩阵arr中每个元素取正切，$tan(x)$
np.arcsin(arr)	对矩阵arr中每个元素取反正弦，$arcsin(x)$
np.arccos(arr)	对矩阵arr中每个元素取反余弦，$arccos(x)$
np.arctan(arr)	对矩阵arr中每个元素取反正切，$arctan(x)$
np.exp(arr)	对矩阵arr中每个元素取指数函数，$e^x$
np.sqrt(arr)	对矩阵arr中每个元素开根号$\sqrt{x}$

np.sqrt(arr2)

array([[2.64575131, 2.82842712, 2.82842712],

       [3.        , 3.16227766, 3.        ],

       [3.31662479, 3.46410162, 3.16227766]])

矩阵的点乘

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

arr1

array([[1, 2, 3],

       [3, 4, 4],

       [5, 6, 4]])

arr2 = np.array([[1, 2,3], [3, 4,4], [5, 6,4]])

arr2

array([[1, 2, 3],

       [3, 4, 4],

       [5, 6, 4]])

arr1.dot(arr2)

array([[22, 28, 23],

       [35, 46, 41],

       [43, 58, 55]])

矩阵的转置

arr2 = np.array([[1, 2,3]])

arr2

array([[1, 2, 3]])

arr2.T

array([[1],

       [2],

       [3]])

矩阵的逆

$AA^{-1}=I=A{-1}A$

arr2 = np.array([[1, 2,3],[4,5,6],[7,8,9]])

arr2

array([[1, 2, 3],

       [4, 5, 6],

       [7, 8, 9]])

np.linalg.inv(arr2)

---------------------------------------------------------------------------

LinAlgError                               Traceback (most recent call last)

<ipython-input-104-12b0a2fff5c3> in <module>

----> 1 np.linalg.inv(arr2)

d:\python36\lib\site-packages\numpy\linalg\linalg.py in inv(a)

    549     signature = 'D->D' if isComplexType(t) else 'd->d'

    550     extobj = get_linalg_error_extobj(_raise_linalgerror_singular)

--> 551     ainv = _umath_linalg.inv(a, signature=signature, extobj=extobj)

    552     return wrap(ainv.astype(result_t, copy=False))

    553

d:\python36\lib\site-packages\numpy\linalg\linalg.py in _raise_linalgerror_singular(err, flag)

     95

     96 def _raise_linalgerror_singular(err, flag):

---> 97     raise LinAlgError("Singular matrix")

     98

     99 def _raise_linalgerror_nonposdef(err, flag):

LinAlgError: Singular matrix

其他的用法

arr2 = np.array([[1, 2,3],[4,5,6],[7,8,9]])

arr2

array([[1, 2, 3],

       [4, 5, 6],

       [7, 8, 9]])

arr2.min()

arr2.max()

arr2.mean()

5.0

arr2.var()

6.666666666666667

函数名称	函数功能	参数说明
rand($d_0, d_1, \cdots , d_n$)	产生均匀分布的随机数	$d_n$为第n维数据的维度
randn($d_0, d_1, \cdots , d_n$)	产生标准正态分布随机数	$d_n$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

np.random.randint(1,10,(3,3))

array([[8, 5, 6],

       [7, 5, 3],

       [6, 4, 6]])

np.random.randn(3,2)

array([[ 1.49020068e+00, -5.66224782e-01],

       [-1.26022246e+00,  1.41537705e+00],

       [-1.99081209e-03,  2.05245204e+00]])

numpy模块介绍的更多相关文章

Python 数据处理扩展包： numpy 和 pandas 模块介绍
一.numpy模块 NumPy(Numeric Python)模块是Python的一种开源的数值计算扩展.这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list str ...
开发技术--Numpy模块
开发|Numpy模块 Numpy模块是数据分析基础包,所以还是很重要的,耐心去体会Numpy这个工具可以做什么,我将从源码与地产呢个实现方式说起,祝大家阅读愉快! Numpy模块提供了两个重要对象: ...
数据分析01 /numpy模块
数据分析01 /数据分析之numpy模块目录数据分析01 /数据分析之numpy模块 1. numpy简介 2. numpy的创建 3. numpy的方法 4. numpy的常用属性 5. num ...
numpy模块（详解）
重点索引和切片级联聚合操作统计操作矩阵什么是数据分析是把隐藏在一些看似杂乱无章的数据背后的信息提炼出来,总结出所研究对象的内在规律数据分析是用适当的方法对收集来的大量数据进行分析,帮助 ...
webkit模块介绍
一.Webkit模块用到的第三方库如下: cairo 一个2D绘图库 casqt Unicode处理用的库,从QT中抽取部分代码形成的 expat 一个XML SAX解析器的库 freety ...
【液晶模块系列基础视频】1.2.iM_RGB模块介绍
[液晶模块系列基础视频]1.2.iM_RGB模块介绍(上) [液晶模块系列基础视频]1.2.iM_RGB模块介绍(下) ============================== 技术论坛:http ...
【液晶模块系列基础视频】1.1.iHMI43模块介绍
[液晶模块系列基础视频]1.1.iHMI43模块介绍(上) [液晶模块系列基础视频]1.1.iHMI43模块介绍(下) ============================== 技术论坛:http ...
CSS3_概述、发展史、模块介绍、与浏览器之间的关系
一.CSS3概述和CSS3的发展史: 1.css3概述: CSS3是CSS2的升级版本,3只是版本号,它在CSS2.1的基础上增加了很多强大的新功能. 目前主流浏览器chrome.safari. ...
嵌入式系统图形库GUI核心模块介绍
本文转载自:http://blog.csdn.net/xteda/article/details/6575278 (作者冯青华信庭嵌入式工作室(www.xteda.com)- CEO Blog:h ...

随机推荐

git本地仓库连接同步修改远程仓库
如何使用GIT BASH同步远程仓库 1. 新建一个目录 2. 右键GIT BASH 3. git clone git@github.com:purity12138/221701117.git (SS ...
c++ 深度优先算法
#include <iostream> using namespace std; #define VertexNum 9 /*定义顶点数*/ struct Node /*声明图形顶点结构* ...
ZOJ 3757 Alice and Bod 模拟
上次的ZJU月赛题,规则比较复杂,当时就连题意都没摸清楚,只觉得非常复杂比完后敲啊敲啊敲,连续WA啊,该反思下自己,没按照题意来设置条件,题目中说了白球入袋并且... 给对手加分 ,白球未入袋并且 ...
5.GIT使用问题
1.git命令显示总是像less 一样的效果问题 git config --global pager.branch false
SQL基础教程（第2版）第5章复杂查询：练习题
/* 下面是解答示例 */ -- 创建视图的语句 CREATE VIEW ViewPractice5_1 AS SELECT product_name, sale_price, regist_date ...
Java中的四种引用类型比较
1.引用的概念引用这个概念是与JAVA虚拟机的垃圾回收有关的,不同的引用类型对应不同的垃圾回收策略或时机. 垃圾收集可能是大家感到难于理解的较难的概念之一,因为它并不能总是毫无遗漏地解决Java运行 ...
css块级元素
<CSS权威指南>中文字显示:任何不是块级元素的可见元素都是内联元素.其表现的特性是“行布局”形式,这里的“行布局”的意思就是说其表现形式始终以行进行显示.比如,我们设定一个内联元素bor ...
Lyft、Uber、滴滴涉足汽车租赁领域，能打破既有汽车所有权模式吗？
自共享经济出现之后,众多相关项目遍地开花.这些共享经济项目对于人们来说,最直观的感受就是实惠.性价比高.方便.不过抛开这些使用层面的优点来看的话,共享经济项目最大的特色或许就是改变了事物的所有权.一件 ...
当初对"软件工程"这个专业的期待和想象是什么？
很多期待,很多幻想印象很深刻的初中语文老师让我们背诵的一首诗<错误>: <错误> 作者:郑愁予我打江南走过那等在季节里的容颜如莲花的开落东风不来,三月的柳絮不飞你底 ...
JavaScript详解（二）
js的流程控制 if语句: if (条件表达式A){ xx; }else if (条件表达式B){ xx; } else{ xx; } switch语句: switch (表达式){ case 值1: ...

numpy模块介绍

切割矩阵

矩阵元素的替换

矩阵的合并

通过函数创建矩阵

矩阵的运算

矩阵的点乘

矩阵的转置

矩阵的逆

其他的用法

numpy模块介绍的更多相关文章

随机推荐

热门专题