numpy模块介绍
2024-09-02 21:01:26
import numpy as np
np.array([1,2,3])
array([1, 2, 3])
np.array([[1,2,3],[4,5,6]])
array([[1, 2, 3],
[4, 5, 6]])
arr = np.array([[1,2,3],[4,5,6],[7,8,9]])
arr
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
把它给看成一个矩阵,或者看成一个ndarray数组的话,我们去获取他的形状.
arr = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
arr.shape
(4, 3)
arr.shape[0]
print(arr.shape[0])
20
arr.shape[1]
3
切割矩阵
arr = np.array([1,2,3])
arr
arr[:]
array([1, 2, 3])
arr = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
arr
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12]])
arr[:,:]
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12]])
arr[1:2,:]
array([[4, 5, 6]])
arr[1:2,1:2]
array([[5]])
arr[1:2,1:10000]
array([[5, 6]])
arr[1:2,[1,2]]
array([[5, 6]])
arr[1:2,(1,2)]
array([[5, 6]])
矩阵元素的替换
arr = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
arr
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12]])
l = [4,5,6]
l[1] = 0
l
[4, 0, 6]
# arr[1:2,:] = 0
# arr
arr1 = arr.copy()
arr1[1:2,:] = 0
arr1
array([[ 1, 2, 3],
[ 0, 0, 0],
[ 7, 8, 9],
[10, 11, 12]])
arr
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12]])
arr[(1,),(1,)] = 0
arr
array([[ 1, 2, 3],
[ 4, 0, 6],
[ 7, 8, 9],
[10, 11, 12]])
矩阵的合并
l1 = [1,2,3]
l2 = [4,5,6]
# l1.extend(l2)
# l1
l1+l2
[1, 2, 3, 4, 5, 6]
arr1 = np.array([[1, 2], [3, 4], [5, 6]])
arr1
array([[1, 2],
[3, 4],
[5, 6]])
arr2 = np.array([[7, 8,8], [9, 10,9], [11, 12,10]])
arr2
array([[ 7, 8, 8],
[ 9, 10, 9],
[11, 12, 10]])
np.hstack((arr1,arr2)) # h=horizontal水平的
array([[ 1, 2, 7, 8, 8],
[ 3, 4, 9, 10, 9],
[ 5, 6, 11, 12, 10]])
np.hstack([arr1,arr2])
array([[ 1, 2, 7, 8, 8],
[ 3, 4, 9, 10, 9],
[ 5, 6, 11, 12, 10]])
np.vstack((arr1,arr2)) # v=vertical垂直的
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-53-4122b6300983> in <module>
----> 1 np.vstack((arr1,arr2)) # v=vertical垂直的
d:\python36\lib\site-packages\numpy\core\shape_base.py in vstack(tup)
281 """
282 _warn_for_nonsequence(tup)
--> 283 return _nx.concatenate([atleast_2d(_m) for _m in tup], 0)
284
285
ValueError: all the input array dimensions except for the concatenation axis must match exactly
arr1 = np.array([[1, 2,3], [3, 4,4], [5, 6,4]])
arr1
array([[1, 2, 3],
[3, 4, 4],
[5, 6, 4]])
arr2 = np.array([[7, 8,8], [9, 10,9], [11, 12,10]])
arr2
array([[ 7, 8, 8],
[ 9, 10, 9],
[11, 12, 10]])
np.vstack((arr1,arr2)) # v=vertical垂直的
array([[ 1, 2, 3],
[ 3, 4, 4],
[ 5, 6, 4],
[ 7, 8, 8],
[ 9, 10, 9],
[11, 12, 10]])
通过函数创建矩阵
range(10)
range(0, 10)
list(range(5,10,2))
[5, 7, 9]
np.arange(10,20,2)
array([10, 12, 14, 16, 18])
# 取头也取尾
arr = np.linspace(1,10,20)
arr
array([ 1. , 1.47368421, 1.94736842, 2.42105263, 2.89473684,
3.36842105, 3.84210526, 4.31578947, 4.78947368, 5.26315789,
5.73684211, 6.21052632, 6.68421053, 7.15789474, 7.63157895,
8.10526316, 8.57894737, 9.05263158, 9.52631579, 10. ])
len(arr)
20
zeros/ones/empty
np.zeros((3,2)) # zeros零
array([[0., 0.],
[0., 0.],
[0., 0.]])
np.ones((3,2)) # ones一
array([[1., 1.],
[1., 1.],
[1., 1.]])
np.empty((3,3)) # 随机元素的矩阵
array([[0.00000000e+000, 0.00000000e+000, 0.00000000e+000],
[0.00000000e+000, 0.00000000e+000, 7.37145944e-321],
[8.70018274e-313, 2.22507386e-306, 3.91786943e-317]])
np.eye(4) # I=1
array([[1., 0., 0., 0.],
[0., 1., 0., 0.],
[0., 0., 1., 0.],
[0., 0., 0., 1.]])
np.eye(7)
array([[1., 0., 0., 0., 0., 0., 0.],
[0., 1., 0., 0., 0., 0., 0.],
[0., 0., 1., 0., 0., 0., 0.],
[0., 0., 0., 1., 0., 0., 0.],
[0., 0., 0., 0., 1., 0., 0.],
[0., 0., 0., 0., 0., 1., 0.],
[0., 0., 0., 0., 0., 0., 1.]])
矩阵的运算
列表无法进行+-*/运算,但是矩阵是可以的.
l1 =[1,3,4]
l1*2
[1, 3, 4, 1, 3, 4]
l1+l1
[1, 3, 4, 1, 3, 4]
arr2 = np.array([[7, 8,8], [9, 10,9], [11, 12,10]])
arr2
array([[ 7, 8, 8],
[ 9, 10, 9],
[11, 12, 10]])
arr2*2
array([[14, 16, 16],
[18, 20, 18],
[22, 24, 20]])
arr2/2
array([[3.5, 4. , 4. ],
[4.5, 5. , 4.5],
[5.5, 6. , 5. ]])
arr2%2
array([[1, 0, 0],
[1, 0, 1],
[1, 0, 0]], dtype=int32)
np.sin(arr2)
array([[ 0.6569866 , 0.98935825, 0.98935825],
[ 0.41211849, -0.54402111, 0.41211849],
[-0.99999021, -0.53657292, -0.54402111]])
| 矩阵函数 | 详解 |
|---|---|
| np.sin(arr) | 对矩阵arr中每个元素取正弦，$sin(x)$ |
| np.cos(arr) | 对矩阵arr中每个元素取余弦，$cos(x)$ |
| np.tan(arr) | 对矩阵arr中每个元素取正切，$tan(x)$ |
| np.arcsin(arr) | 对矩阵arr中每个元素取反正弦，$arcsin(x)$ |
| np.arccos(arr) | 对矩阵arr中每个元素取反余弦，$arccos(x)$ |
| np.arctan(arr) | 对矩阵arr中每个元素取反正切，$arctan(x)$ |
| np.exp(arr) | 对矩阵arr中每个元素取指数函数，$e^x$ |
| np.sqrt(arr) | 对矩阵arr中每个元素开根号$\sqrt{x}$ |
np.sqrt(arr2)
array([[2.64575131, 2.82842712, 2.82842712],
[3. , 3.16227766, 3. ],
[3.31662479, 3.46410162, 3.16227766]])
矩阵的点乘
arr1 = np.array([[1, 2,3], [3, 4,4], [5, 6,4]])
arr1
array([[1, 2, 3],
[3, 4, 4],
[5, 6, 4]])
arr2 = np.array([[1, 2,3], [3, 4,4], [5, 6,4]])
arr2
array([[1, 2, 3],
[3, 4, 4],
[5, 6, 4]])
arr1.dot(arr2)
array([[22, 28, 23],
[35, 46, 41],
[43, 58, 55]])
矩阵的转置
arr2 = np.array([[1, 2,3]])
arr2
array([[1, 2, 3]])
arr2.T
array([[1],
[2],
[3]])
矩阵的逆
$AA{-1}=I=A{-1}A$
arr2 = np.array([[1, 2,3],[4,5,6],[7,8,9]])
arr2
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
np.linalg.inv(arr2)
---------------------------------------------------------------------------
LinAlgError Traceback (most recent call last)
<ipython-input-104-12b0a2fff5c3> in <module>
----> 1 np.linalg.inv(arr2)
d:\python36\lib\site-packages\numpy\linalg\linalg.py in inv(a)
549 signature = 'D->D' if isComplexType(t) else 'd->d'
550 extobj = get_linalg_error_extobj(_raise_linalgerror_singular)
--> 551 ainv = _umath_linalg.inv(a, signature=signature, extobj=extobj)
552 return wrap(ainv.astype(result_t, copy=False))
553
d:\python36\lib\site-packages\numpy\linalg\linalg.py in _raise_linalgerror_singular(err, flag)
95
96 def _raise_linalgerror_singular(err, flag):
---> 97 raise LinAlgError("Singular matrix")
98
99 def _raise_linalgerror_nonposdef(err, flag):
LinAlgError: Singular matrix
其他的用法
arr2 = np.array([[1, 2,3],[4,5,6],[7,8,9]])
arr2
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
arr2.min()
1
arr2.max()
9
arr2.mean()
5.0
arr2.var()
6.666666666666667
| 函数名称 | 函数功能 | 参数说明 |
|---|---|---|
| rand($d_0, d_1, \cdots , d_n$) | 产生均匀分布的随机数 | $d_n$为第n维数据的维度 |
| randn($d_0, d_1, \cdots , d_n$) | 产生标准正态分布随机数 | $d_n$为第n维数据的维度 |
| randint(low[, high, size, dtype]) | 产生随机整数 | low:最小值；high:最大值；size:数据个数 |
| random_sample([size]) | 在$[0,1)$内产生随机数 | size为随机数的shape，可以为元祖或者列表 |
| choice(a[, size]) | 从arr中随机选择指定数据 | arr为1维数组；size为数据形状 |
np.random.randint(1,10,(3,3))
array([[8, 5, 6],
[7, 5, 3],
[6, 4, 6]])
np.random.randn(3,2)
array([[ 1.49020068e+00, -5.66224782e-01],
[-1.26022246e+00, 1.41537705e+00],
[-1.99081209e-03, 2.05245204e+00]])
最新文章
- 我整理的PHP 7.0主要新特性
- java 代理模式二：动态代理
- java和Javascript的区别
- 解决织梦标签artlist不能调用副栏目的问题？
- LoadRunner - 结果分析 / Result Analysis
- 关于js中的类型内容总结（类型识别）
- Software Development and Newton&#39;s Laws of Motion
- 移动商城第四篇【Controller配置、添加品牌之文件上传和数据校验】
- webpack2使用ch5-多页面设置 内部js和引入js
- iOS开发之Swift 4 JSON 解析指南
- 解决ajax get post方式提交中文参数乱码问题
- 【原创】大叔问题定位分享（6）Dubbo monitor服务iowait高，负载高
- python 列表去重的几种方法
- Spark Distributed matrix 分布式矩阵
- Storm中的定时任务
- Notes of Daily Scrum Meeting（11.12）
- Github 开源项目（二） jsmpeg-vnc
- [C]语法, 知识点总结(一. 进制, 格式化输入/出, 指针)
- 字符串匹配的kmp算法 及 python实现
- VS2017自带VS2015编译器等在命令行下无法使用问题
热门文章
- Centos6.5 安装zabbix3（收藏，非原创）
- Cisco连接失败问题处理
- Spring DATA Neo4J（一）
- Python说文解字_父类的继承
- Python—后台运行（nohup 、&、 2>&1详解）
- iOS中copy和=的区别
- iTOP-4418开发板TF卡烧写-引导uboot
- LeetCode——973. 最接近原点的 K 个点
- 【@ConfigurationProperties注解】Not Found The requested URL /spring-boot/docs/2.2.2.RELEASE/reference/html/configuration-metadata.html was not found on this server.
- 吴裕雄--天生自然Linux操作系统：linux yum 命令