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

如何编译生成 mkfs.ubifs、ubinize 工具
参考文档: 1.<CoM335X linux开发指南.pdf>的附件1 2.ubifs的制作,移植的重点详解(使用交叉编译器) 3.UBIFS文件系统简介与利用mkfs.ubifs和u ...
JDBC,ResultSet对像多次使用后再关闭的问题
原文链接:https://yq.aliyun.com/wenzhang/show_111763 问题描述 //代码... ResultSet rs = this.conn.prepareStateme ...
centos7-vsftp（虚拟用户）
要求如下: 1.所有用户主目录为/var/www宿主为virtual用户: 2.ftpuser1用户只能下载不能上传以及删除文件重命名操作: 3.ftpuser2可以下载与上传文件以及删除重命名操作: ...
Python中使用print打印进度条
import time for i in range(0,101,2): time.sleep(0.1) char_num = i//2 #打印多少个'*' per_str = '\r%s%% : % ...
01Java-方法
一:动手动脑 1.编写一个方法,使用以上算法生成指定数目(比如1000个)的随机整数 package reserve; import java.util.Scanner; import java.ut ...
Codeforces Round #568 (Div. 2)网卡&垫底记
这场和div3差不多嘛(后来发现就是div3),就是网太卡10min交一发就不错了,简直自闭. A 签到. B 记录每一段的字母数,满足条件即:段数相同+字母相同+字母数下>=上. #inclu ...
[腾讯 TMQ] 接口测试用例设计
接口测试 [腾讯 TMQ] 接口测试用例设计腾讯移动品质中心 · 2018年01月17日 · 最后由于静回复于 20 天前 · 21794 次阅读本帖已被设为精华帖! 目录作者:刘燕团队: ...
计算机网络(2): http的基础上用SSL或TSL加密
加密过程具体TCP实现步骤 1 : 客户端通过发送Client Hello报文开始SSL通信(这里是在TCP的三次握手已经完成的基础上进行的).报文中包含客户端支持的SSL的指定版本.加密组件列表( ...
share团队冲刺5
团队冲刺第五天昨天:按钮操作,自定义按钮及各种原件样式今天:设置按钮按下效果,界面布局问题:无
黑马IDEA版javaweb_2-2MySQL
今日内容数据库的基本概念 MySQL数据库软件安装卸载配置 SQL 数据库的基本概念 1. 数据库的英文单词: DataBase 简称 : DB 2. 什么数据库? * 用于存储和管理数据的仓 ...

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