Python库numpy配图详解

导入相关包模块

import numpy as np

 

1.一维数组

创建数组

np.array([1, 2, 3])

 

 

初始化数组

在对数组初始化时，Numpy提供了几种初始化方法，

ones(): 初始元素为1的数组
zeros():初始元素为0的数组
random.random():初始元素为随机数的数组

 

 

数组运算

在开始对数组运算之前，我们需要创建两个示例数组

 

 下面开始对数组做运算

# 按位置对元素做相加
data + one
[2, 3]

 

 除了加法外，数组与数组之间，我们还可以做其他运算。加减乘除。

 

 

不仅如此，在对数组和某个值做运算时，也是可以的。

 

 

 数组索引

 

 

我们可以像对list()列表切片那样处理Numpy数组。具体请看下图。

 

 

 

很强大有木有！！！为了做更好对比，可以看下列表的切片。

data = [1, 2, 3]
data[0]# 输出1
data[1] # 输出2 
data[0,2] # 输出[1, 2]
data[1:] # 输出[2, 3]

数组聚合

这里就简单介绍了max(), min(), sum()，当然了还有其他的聚合方法，如平均，方差等等。

 

 

2. 二维数组(矩阵)

像一维简单数组那样，我们还是先学会创建简单二维数组。

 创建矩阵

np.array([[1,2],[3,4]])

 

 初始化矩阵

ones(): 初始元素为1的数组
zeros():初始元素为0的数组
random.random():初始元素为随机数的数组

 

 

矩阵运算

同样也是支持简单的四则运算，这里就以加法为例。其他运算也是同理，按位置做运算。

 

 

 

当不同维度数组运算时，

 

 

点积运算。

 

 

当我们需要做点积运算时，总会有很多迷茫之处，不要紧这里给更加详细的图解。

 

 

 矩阵索引

# 创建一个三行二列矩阵
np.array([[1,2],[3,4],[5,6]])

矩阵聚合

基本与一维数组算法是一致的。

 

 

我们还可以通过参数axis实现按行或列聚合。axis=0：按行，axis=1：按列。

 

 

 

反转矩阵

 

 

矩阵重构

 

 

 

更多请参考原文：

https://mp.weixin.qq.com/s?__biz=Mzg3OTExODI3OA==&mid=2247484110&idx=1&sn=1e4e90d7cbf6eef6660df980503b054e&chksm=cf081067f87f99717ceb11245da4aee971fa59556d4ac7dc347090ad1c9ff785d596508c3df1&token=281644680&lang=zh_CN#rd

 

标签：运算,Python,data,元素,矩阵,数组,配图,numpy,初始
来源： https://www.cnblogs.com/wmzhong/p/14528598.html