Python扩展库NumPy快速入门

NumPy（Numerical Python）是Python一个扩充库。支持维度数组与矩阵运算，提供大量的数学函数库。

ndarray类 ：NumPy中的数组类被称为ndarray

属性：

ndarray.ndim表示数组的维度。

ndarray.shape是一个整型tuple，用来表示数组中的每个维度的大小。例如，一个n行和m列的矩阵，其shape为(n,m)。

ndarray.size表示数组中元素的个数，其值等于shape中所有整数的乘积

ndarray.dtype用来描述数组中元素的类型

ndarray.itemsize用于表示数组中每个元素的字节大小　

import numpy as np
a=np.arange(10).reshape(2,5)
a
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])
注意：size=n*m 否则会报错
a.shape
(2, 5)
a.ndim
2
a.size
10
a.dtype
dtype('int32')
a.itemsize
4

数组创建

直接使用list或者tuple
import numpy as np
a = np.array([1,2,3,4,5,6])
b = np.array((1,2,3,4,5,6))
a
array([1, 2, 3, 4, 5, 6])
b
array([1, 2, 3, 4, 5, 6])
传入的参数必须是同一结构,不是同一结构将发生转换

　NumPy还提供了便捷地创建特定数组的方式

   a=np.zeros((3,3))  

array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]])

　a=np.ones([2,4])

array([[1., 1., 1., 1.],
       [1., 1., 1., 1.]])

　c = np.arange(15)

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

e=np.arange(15).reshape(5,3)

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

g = np.arange(0,15,3)

array([ 0,  3,  6,  9, 12])

　h = np.arange(0,3,0.4)

array([0. , 0.4, 0.8, 1.2, 1.6, 2. , 2.4, 2.8])

　数组的基本操作（加减乘除）

   相对应的位置进行加减乘除，这一块很简单，就不多做介绍

  在NumPy中，*用于数组间元素对应的乘法，而不是矩阵乘法，矩阵乘法可以用dot()方法来实现 

a=np.array([[1,2],[4,5]])
b=np.array([[0,1],[0,1]])
a
array([[1, 2],
       [4, 5]])
b
array([[0, 1],
       [0, 1]])
a*b
array([[0, 2],
       [0, 5]])
a.dot(b)
array([[0, 3],
       [0, 9]])

　矩阵乘积小结：

1.　只有当第一个矩阵的列数等于第二个矩阵的行数，两个矩阵才能相乘

2.矩阵相乘不满足交换律，AB！=BA

3.矩阵相乘不满足消去率，例如：AB=AC 且A！=0 不能推出B=C

ndarray类实现了许多操作数组的一元方法，如求和、求最大值、求最小值等。

 a = np.random.random((2,3))

求和：a.sum() 

最小值：a.min()

最大值：a.max()

axis = 0表示列操作

axis = 1表示行操作