import numpy as np

# 一维数组
print('==========# 一维数组===========')
A = np.array([1, 2, 3, 4])
print(A)
# 数组的维数可以通过 np.dim() 函数获得
print(np.ndim(A))
# 数组的形状可以通过实例变量 shape 获得
# 注意,这里的 A.shape 的结果是个元组(tuple)。
# 这是因为一维数组的情况下也要返回和多维数组的情况下一致的结果。
# 例如,二维数组时返回的是元组 (4,3) ,三维数组时返回的是元组 (4,3,2) ,
# 因此一维数组时也同样以元组的形式返回结果。
print(A.shape)
print(A.shape[0])

# 二维数组
# 二维数组也称为矩阵(matrix)
print('==========# 二维数组===========')
B = np.array([[1, 2], [3, 4], [5, 6]])
print(B)
print(np.ndim(B))
print(B.shape)

# 矩阵的乘积
print('==========# 矩阵的乘积===========')
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
print(np.dot(A, B))
print('==========# 矩阵不遵守乘法交换律,有先后顺序===========')
print(np.dot(B, A))

print('==========# 两个矩阵中的对应维度的元素个数一致===========')
A = np.array([[1, 2, 3], [4, 5, 6]])
B = np.array([[1, 2], [3, 4], [5, 6]])
print(A.shape, B.shape)
print(np.dot(A, B))
print('==========# 矩阵不遵守乘法交换律,有先后顺序===========')
print(np.dot(B, A))
C:\Python36\python.exe C:/Users/Sahara/PycharmProjects/test/python_search.py
==========# 一维数组===========
[   ]

(,)

==========# 二维数组===========
[[ ]
 [ ]
 [ ]]

(, )
==========# 矩阵的乘积===========
[[ ]
 [ ]]
==========# 矩阵不遵守乘法交换律,有先后顺序===========
[[ ]
 [ ]]
==========# 两个矩阵中的对应维度的元素个数一致===========
(, ) (, )
[[ ]
 [ ]]
==========# 矩阵不遵守乘法交换律,有先后顺序===========
[[   ]
 [  ]
 [  ]]

Process finished with exit code 

numpy的数组常用运算练习的更多相关文章

  1. Numpy入门 - 数组聚合运算

    本节主要讲解numpy的几个常用的聚合运算,包括求和sum.求平均mean和求方差var. 一.求和sum import numpy as np arr = np.array([[1, 2, 3], ...

  2. 第三节:numpy之数组数学运算

  3. (二)初识NumPy库(数组的操作和运算)

    本章主要介绍的是ndarray数组的操作和运算! 一. ndarray数组的操作: 操作是指对数组的索引和切片.索引是指获取数组中特定位置元素的过程:切片是指获取数组中元素子集的过程. 1.一维数组的 ...

  4. numpy 数组集合运算及下标操作

    1. 数组的集合运算 1.1. 并集 np.union1d(a,b)计算数组的并集: In [1]: import numpy as np In [2]: a = np.array([1,2,3]) ...

  5. numpy数组的运算

    numpy数组的运算 数组的乘法 >>> import numpy as np >>> arr=np.array([[1,2,3],[4,5,6]]) >&g ...

  6. numpy数组常用计算

    在说numpy库数组的计算之前先来看一下numpy数组形状的知识: 创建一个数组之后,可以用shape来查看其形状,返回一个元组 例如:a = np.array([[1, 2, 3], [4, 5, ...

  7. NumPy和Pandas常用库

    NumPy和Pandas常用库 1.NumPy NumPy是高性能科学计算和数据分析的基础包.部分功能如下: ndarray, 具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组. 用于对整组数 ...

  8. python数据分析 Numpy基础 数组和矢量计算

    NumPy(Numerical Python的简称)是Python数值计算最重要的基础包.大多数提供科学计算的包都是用NumPy的数组作为构建基础. NumPy的部分功能如下: ndarray,一个具 ...

  9. numpy使用数组进行数据处理

    numpy使用数组进行数据处理 meshgrid函数 理解: 二维坐标系中,X轴可以取三个值1,2,3, Y轴可以取三个值7,8, 请问可以获得多少个点的坐标? 显而易见是6个: (1,7)(2,7) ...

随机推荐

  1. linux Java项目CPU内存占用高故障排查

    linux Java项目CPU内存占用高故障排查 top -Hp 进程号 显示进程中每个线程信息,配合jstack定位java线程运行情况 # 线程详情 jstack 线程PID # 查看堆内存中的对 ...

  2. 题解:LOJ540游戏

    题目描述 小L计划进行n场游戏,每场游戏使用一张地图,小 L 会同时使用三辆车在该地图上完成游戏. 小 L 的赛车有三辆,分别用大写字母 A.B.C 表示.地图是一张无向简单图(没有重边或自环),每次 ...

  3. Java基础 -- 字符串(格式化输出、正则表达式)

    一 字符串 1.不可变String String对象是不可变的,查看JDK文档你就会发现,String类中每一个看起来会修改String值的方法,实际上都是创建一个全新的String对象,以包含修改后 ...

  4. percona-xtrabackup快速安装及其简单使用

    percona-xtrabackup快速安装及其简单使用 cd /opt/环境:centos6.x yum -y install perl-DBIyum -y install perl-DBD-MyS ...

  5. linux下实用的快速随机生成复杂密码

    linux下实用的快速随机生成复杂密码 [root@test.db-audit.1 ~]# </dev/urandom tr -dc '1234567890!@#$%abcdefghigklmn ...

  6. mvn test报错

    1 Scenarios (1 passed) 4 Steps (4 passed) 0m11.846s [INFO] Tests run: 1, Failures: 0, Errors: 0, Ski ...

  7. 编写高质量的Python代码系列(六)之内置模块

    Python预装了许多写程序时会用到的重要模块.这些标准软件包与通常意义上的Python语言联系得非常精密,我们可以将其当成语言规范的一部分.本节将会讲解基本的内置模块. 第四十二条:用functoo ...

  8. 责任链模式-Chain of Responsibility(Java实现), 例1

    责任链模式-Chain of Responsibility, 例1 在这种模式中,通常每个接收者都包含对另一个接收者的引用.如果一个对象不能处理该请求,那么它会把相同的请求传给下一个接收者,依此类推. ...

  9. <HTML> 模块

    一些元素 <q>元素 用于引用, quote 浏览器一般会负责加上双引号,但是不是所有的浏览器都会在<q>元素的内容两边加双引号. <blockquote>元素 用 ...

  10. 查找修补文件差异diff、patch

    diff patch -p1 diff -Naur directory1 directory2