import numpy as np

numpy 的属性

array = np.array([[1,2,3],
[4,5,6],
[7,8,9]])
print(array)
print(array.ndim) #维度
print(array.shape) #形状
print(array.size) #大小
print(array.dtype) #元素类型

array

a = np.array([1,23,30],dtype=np.float)
print(a.dtype)
c = np.array([1,2,3]) #一维数据
d = np.array([[1,23,34],
[2,3,5]]) #二维矩阵
e = np.array([[1,23,34],
[2,3,5]]) #三维矩阵
zero = np.zeros((2,3)) #生成2行3列全为0的矩阵
print(zero)
one = np.ones((3,4)) #生成3行4列全为1的矩阵
print(one)
empty = np.empty((3,2)) #生成3行2列全都接近于0的矩阵

e = np.arange(4) #生成0-4的数 不包括4
f = np.arange(3,20) #生成3-20

g = np.arange(1,20,3) #生成1-20 间隔为3
print('e',e,'f',f,'g',g)
h = np.arange(8).reshape(2,4) #重新定义数据的形状
print(h)

numpy 的矩阵运算

arr1 = np.array([[1,2,3],
[4,5,6]])
arr2 = np.array([[1,4,7],
[3,5,5]])

print(arr1+arr2) #按位 加减乘除 **乘方 %取余
print(arr1+2) #所有元素都会加2
arr3 = arr1>3 #判断哪些元素大于3
print(arr3)
arr4 = np.ones((3,5))

print(np.dot(arr1,arr4)) #按照矩阵乘法进行点乘
print(arr1.dot(arr4))
print(arr1)
print(arr1.T) #转置矩阵

随机数生成 以及矩阵的运算

sample1 = np.random.random((3,2)) #生成3行2列 从0到1的随机数
print(sample1)
sample2 = np.random.normal(size=(3,2)) #生成3行2列符合标准正太分布的随机数
print(sample2)
sample3 = np.random.randint(0,10,size=(3,2)) #生成3行两列的随机整数
print(sample3)
print(np.sum(sample1)) #求和
print(np.min(sample1)) #求最小值 最大值用max
print(np.sum(sample1,axis=0)) #对列求和
print(np.sum(sample1,axis=1)) #对行求和
print(np.argmin(sample1)) #最小值索引 argmax最大值索引
print(np.mean(sample1)) #求平均值
print(sample1.mean()) #同上
print(np.median(sample1)) #求中位数 求开方sqrt
sample4 = np.random.randint(0,10,size=(1,10))
print(sample4)
print(np.sort(sample4)) #排序
print(np.clip(sample4,2,7)) #小于2就变成2 大于7就变成了7 在2-7之间就不变 可可控制数的范围

numpy的索引

arr1 = np.arange(2,14)
print(arr1)
print(arr1[1]) #提取第一个数字
print(arr1[1:4]) #提取1-4 [,5]表示0-5的数
arr2 = arr1.reshape(3,4)
print(arr2)
print(arr2[2][1]) #提取第二行第一列的数
print(arr2[2,1]) #同上
for i in arr2: #迭代行 使用arr2.T就可以迭代列
print(i)
for i in arr2.flat: #迭代每一个元素
print(i)

array 的合并

arr1 = np.array([1,2,3])
arr2 = np.array([2,12,3])
arr3 = np.array([1,23,6])
arr4 = np.vstack((arr1,arr2)) #垂直合并
print(arr4)
arr5 = np.hstack((arr1,arr2)) #水平合并
print(arr5)
arr6 = np.vstack((arr1,arr2,arr3)) #多个合并

arr7 = np.concatenate((arr1,arr2,arr1))
print(arr7)
arr7 = np.concatenate((arr3,arr1),axis=0) #合并的array的维度要相同 array的形状要匹配 axis=0纵向合并 axis=1 横向合并
print(arr1)
print(arr1.shape)
arr1_1 = arr1[np.newaxis,:] #增加一个维度 变为一行三列
print(arr1_1)
print(arr1_1.shape)
print(arr1_1.T)
arr1_1 = arr1[:,np.newaxis] #增加一个维度 变为三行一列
arr1_3 = np.atleast_2d(arr1) #至少是一个二维数据 如果不是这直接转化

array 分割

arr8 = np.arange(12).reshape((3,4))
print(arr8)
arr9,arr10 = np.split(arr8,2,axis=1) #水平方向切割 分成两份 当axis=0时为垂直方向切割
print(arr9)
print(arr10)
arr8_1,arr8_2,arr8_3 = np.array_split(arr8,3,axis=1) #水平方向分割 分成三份 不等分割
arrv1,arrv2,arrv3 = np.vsplit(arr8,3) #垂直分割 分成三份 水平分割用hslipt
print(arrv1)
print(arrv2)
print(arrv3)

numpy 的浅拷贝和深拷贝

arr12 = np.array([1,2,3])
arr2 = arr12 #arr1与arr2 共享一块内存 浅拷贝
arr2[1]=20
print(arr12)
print(arr2)
arr3 = arr12.copy() #深拷贝 使两个内存不受影响
arr3[0]=60
print(arr12)
print(arr3)