numpy基础语法学习笔记

　　import numpy

　　numbers = numpy.array([1, 2, 3, 4])

　　array([1, 2, 3, 4])

　　numpy.array的属性：numbers.dtype

　　numbers = numpy.array([1, 2, 3, 4.0])

　　print(numbers)

　　[ 1. 2. 3. 4.]

　　numpy.array默认为同一dtype，自动向上转型

　　matrix = numpy.array([

　　[5, 10, 15],

　　[20, 25, 30],

　　[35, 40, 45]

　　])

　　print(matrix[1:3,])

　　1,2行全部(从0行开始)

　　[[20 25 30]

　　[35 40 45]]

　　print(matrix[1:3,1])

　　1,2行第1列

　　[25 40] (虽然符合结果但是为何是这种表示方式…)

　　print(matrix[1:3,1:2])

　　[[25]

　　[40]]

　　这就符合预期了

　　print(np.arange(15)) np.arrange()

　　[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]

　　默认从0开始，间距为1

　　np.arange(18).reshape(3,2,3)

　　array([[[ 0, 1, 2],

　　[ 3, 4, 5]],

　　[[ 6, 7, 8],

　　[ 9, 10, 11]],

　　[[12, 13, 14],

　　[15, 16, 17]]])

　　np.linspace(0, 99, 100)

　　array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.,

　　11., 12., 13., 14., 15., 16., 17., 18., 19., 20., 21.,

　　22., 23., 24., 25., 26., 27., 28., 29., 30., 31., 32.,

　　33., 34., 35., 36., 37., 38., 39., 40., 41., 42., 43.,

　　44., 45., 46., 47., 48., 49., 50., 51., 52., 53., 54.,

　　55., 56., 57., 58., 59., 60., 61., 62., 63., 64., 65.,

　　66., 67., 68., 69., 70., 71., 72., 73., 74., 75., 76.,

　　77., 78., 79., 80., 81., 82., 83., 84., 85., 86., 87.,

　　88., 89., 90., 91., 92., 93., 94., 95., 96., 97., 98.,

　　99.])

　　A = np.array( [[1,1],

　　[0,1]] )

　　B = np.array( [[2,0],

　　[3,4]] )

　　print(A)

　　print("---------")

　　print(B)

　　print("---------")

　　#print A*B

　　print(A.dot(B))

　　print("---------")

　　print(np.dot(A, B))

　　[[1 1]

　　[0 1]]

　　[[2 0]

　　[3 4]]

　　[[5 4]

　　[3 4]]

　　[[5 4]

　　[3 4]]

　　*乘号意味着同行同列数值相乘

　　矩阵乘法则是dot点乘

　　可用np.dot(A, B)

　　或者A.dot(B)

　　A是一个矩阵

　　np.exp(A)

　　将A中所有的值作为e的指数，更新

　　np.sqrt(A)

　　将矩阵A中所有的值取其正根

　　np.floor(A)

　　将矩阵A中的所有值进行向下取整

　　A.ravel()

　　将一个矩阵降至一维，(拉平)

　　A.T

　　意为矩阵的转置

　　a.reshape(3, -1)

　　写-1的意思是让其自动计算

　　np.hstack((A, B))

　　水平拼接两个矩阵

　　np.vstack((A, B))

　　垂直拼接两个矩阵

　　np.hsplit(a,3)

　　水平切割郑州妇科医院 http://mobile.120zzzy.com/

　　将整个矩阵平均分为3份(列数一定要为3的倍数，以此类推)

　　np.hsplit(a, (3,4))

　　水平切割

　　在矩阵的第三列和第四列进行切分(结果是3个)

　　vsplit 以此类推

　　值得一提的是

　　A 为ndarray类型时

　　C = A可以得到

　　C is A 为True

　　C 与A完全相同，且共用同一个内存(类似指针)

　　C = A.view()

　　C is A 为False

　　C与A不相同，id不同，但所指向的数组，其值相同且同时更新

　　C = A.copy()

　　C is A为False

　　C与A 不相同,id不同，所指向的数组也完全不同

　　A.argmax(axis=0)

　　找到A这个矩阵上，按列索引，每一列中最大数值的一行

　　axis=1

　　是每一行中，最大数所在的列号

　　B =np.tile(A,(2,3))

　　使B 拓展2,3倍

　　A.sort(axis = 1)

　　按行排序

　　a = np.array([4, 3, 1, 2])

　　j = np.argsort(a)

　　[2 3 1 0]

　　[1 2 3 4]

　　从小到大 按照行下标进行排序