numpy

numpy

用来做数据分析，对numpy数组(既有行又有列)一矩阵进行科学运算

高级模块

tensorflow / pytorch

对数组进行运算创建numpy 数组 array ------》可变

import numpy as np 
arr1 = np.array([1,2,3])
arr2 = np.array([4,5,6])
print(arr1 * arr2)

numpy的一维数组

import numpy as np 
arr1 = np.array([1,2,3])

numpy的二维数组

import numpy as np
arr2 = np.array([
    [1,2,3,4],
    [1,2,3,4]
])

numpy的三维数组--------->tensorflow

import numpy as np
arr3 = np.array([
    [
        [1,2,3,4],
        [4,5,6,7]
    ],
    [
        [1,2,3,4,5],
        [4,5,6,7,8]
    ]
])

numpy数组的属性

arr = np.array([

[1,2,3,4],

[5,6,7,8]

])

T数组的转置

arr.T

dtype

数组元素的数据类型

size

数组元素的个数

ndim

数组的维数

shape

数组的维度大小，行和列shape[0]行shape[1]列

astype

arr.astype(np.float64)

类型转换

切片numpy数组

arr[:,:]# 行，列

逻辑取值

arr[arr > 4]

赋值

lt[:] =[0, 0 ,0 ]

参考以下--------------------------------------------------------------------------------------------------

print(np.hstack((arr1, arr2))) # 只能放元组

print(np.vstack((arr1, arr2)))

print(np.concatenate((arr1, arr2), axis=1)) # 默认以列合并 # 0表示列，1表示行

# 通过函数创建numpy数组

print(np.ones((2, 3)))

print(np.zeros((2, 3)))

print(np.eye(3, 3))

print(np.linspace(1, 100, 10))

print(np.arange(2, 10))

arr1 = np.zeros((1, 12))

print(arr1.reshape((3, 4))) # 重构形状

# numpy数组运算

# +-*'

arr1 = np.ones((3, 4)) * 4

print(arr1)

# numpy数组运算函数

print(np.sin(arr1))

# 矩阵运算--点乘

arr1 = np.array([

[1, 2, 3],

[4, 5, 6]

])

arr2 = np.array([

[1, 2],

[4, 5],

[6, 7]

])

# 2* 3 3*2

print(np.dot(arr1, arr2))

# 求逆

arr = np.array([[1, 2, 3], [4, 5, 6], [9, 8, 9]])

print(np.linalg.inv(arr))

# numpy数组数学和统计方法

print(np.sum(arr[0, :]))

# numpy.random生成随机数(******)

print(np.random.rand(3, 4))

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

# np.random.seed(1)

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

s = np.random.RandomState(1)

print(s.random((3, 4)))

arr = np.array([[1, 2, 3], [4, 5, 6], [9, 8, 9]])

np.random.shuffle(arr)

print(arr)

# 针对一维

print(np.random.choice([1, 2, 3], 1))

# 针对某一个范围

print(np.random.randint(1, 100, (3, 4)))