numpy的一些用法

安装numpy

windows安装pip即可，具体方法参考pip官网 http://pip-cn.readthedocs.io/en/latest/installing.html

安装方法：pip install  numpy-1.14.3-cp27-none-win_amd64.whl

功能介绍：

• 提供数组的矢量化操作，所谓矢量化就是不用循环就能将运算符应用到数组中的每个元素中。
• 提供数学函数应用到每个数组中元素
• 提供线性代数，随机数生成，傅里叶变换等数学模块
• ndarray：numpy库的心脏，多维数组，具有矢量运算能力，快速、节省空间在array中的数据类型是一致的

ndarray：

　　ndarray具有多维性。ndarray的元素可以通过索引的方式进行访问。在Numpy中，ndarray的维度称为axes。axes的大小称为rank。列如ndarray[1,2,1]，它的维度为1，rank的值为1，因为只有一维。索引从0开始。

print np.identity(3,int)  #单位矩阵

结果：

[[1 0 0]
 [0 1 0]
 [0 0 1]]

零矩阵：

print np.zeros((3,4)) #零矩阵
print np.zeros(3)  #零矩阵

结果：

[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]
[0. 0. 0.]

全一矩阵：

print np.ones((3,3))
print np.ones(4)

结果：

[[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]
[1. 1. 1. 1.]

矩阵乘法：

a=((1,2,3),(4,5,6),(7,8,9))
a=np.array(a)
print np.dot(2,a)

结果：

[[ 2  4  6]
 [ 8 10 12]
 [14 16 18]]

矩阵大小：

a=((1,2,3),(4,5,6),(7,8,9))
a=np.array(a)
print a.ndim

结果：

2

行求和，列求和

a=((1,2,3),(4,5,6),(7,8,9))
a=np.array(a)
print np.sum(a,axis=1)
print np.sum(a,axis=0)
#axis=1表示矩阵a的行求和，axis=0表示在列求和

结果：

[ 6 15 24]
[12 15 18]

转置矩阵：

a=((1,2,3),(4,5,6),(7,8,9))
a=np.array(a)
print a.T

结果：

[[1 4 7]
 [2 5 8]
 [3 6 9]]

其他的一些：

a=((1,2,3),(4,5,6),(7,8,9))
a=np.array(a)
print np.random.random((3,3)) #random模块的random函数，生成随机数
print np.mean(a)  #求平均数
print np.max(a)  #求最大值
print  np.min(a)
print np.std(a)  #求标准差
print np.arange(0,20,step=2)  #arange可以指定起点，终点，步长进行数组创建
print np.linspace(0, 20, 10) #等同于下面的这个
print np.linspace(start=0, stop=20, num=10)
#直接指定开始，结束然后指定个数进行创建。
print np.random.normal(10,100,size=10) #产生服从高斯分布的随机数，三个参数分别是平均值，方差，个数

结果：

[[0.18149469 0.82166642 0.89837593]
 [0.07947753 0.65715104 0.23933089]
 [0.34254456 0.19185617 0.17856812]]
5.0
9
1
2.581988897471611
[ 0  2  4  6  8 10 12 14 16 18]
[ 0.          2.22222222  4.44444444  6.66666667  8.88888889 11.11111111
 13.33333333 15.55555556 17.77777778 20.        ]
[ 0.          2.22222222  4.44444444  6.66666667  8.88888889 11.11111111
 13.33333333 15.55555556 17.77777778 20.        ]
[  36.25896713   75.73646837  -90.97435221  -87.55378736  192.75253223
  -59.32404814  256.30659631 -161.95343956    5.39389542  -62.17649294]