python之Numpy基本命令

python Numpy

前人轮子
Numpy快速处理数据
python中的矩阵运算

目录

numpy.ndarray 的操作

基本操作

>>> a = numpy.array([[1,2,3,4]]) # 生成二维矩阵
>>> a
array([[1, 2, 3,4]])
>>> a.shape                  # 获取矩阵的行列信息
(1, 4)
>>> a.reshape(2,2)          # 任意修改维数
array([[1, 2],
       [3, 4]])

快速生成序列矩阵:

arange

arange(开始值,终值,步长)：类似Python的range()，注意不包括终值

>>> numpy.arange(1,5,1)
array([1, 2, 3, 4])

快速生成0-9的二维数组

>>> numpy.arange(10).reshape(1,10) 
array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])

linspace

linspace(开始值, 终值, 元素个数): 默认包括终值，可以使用endpoint设置是否包括终值

>>> numpy.linspace(0,1,4)
array([ 0.        ,  0.33333333,  0.66666667,  1.        ])

fromstring

fromstring(字符串, dtype=?)：从字节创建数组

>>> numpy.fromstring('abc',dtype=numpy.int8)
array([97, 98, 99], dtype=int8)

random

产生一个长度为10，元素值为0-1的随机数的数组

>>> numpy.random.rand(10)
array([ 0.16730282,  0.12528572,  0.64197928,  0.19406358,  0.15757446,
        0.32640898,  0.82600455,  0.37855706,  0.99059003,  0.46203915])

randint

randint(min,max,size=(row,col)) 随机整数

>>> numpy.random.randint(1,10,size=(1,5))
array([[9, 5, 5, 2, 1]])
>>> numpy.random.randint(10,size=(1,5))
array([[1, 7, 2, 8, 0]])

切片

>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])
>>> a[:,1]      # 取第一列,从0开始
array([ 1,  5,  9, 13])
>>> a[1,:]      # 取第一行
array([4, 5, 6, 7])
>>> a[1::]
array([[ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])
>>> a[::,-1]    # 取最后一列
array([ 3,  7, 11, 15])

和Python的列表序列不同，通过下标范围获取的新的数组是原始数组的一个视图。它与原始数组共享同一块数据空间：

>>> a
array([1, 2, 3, 4, 5, 6, 7, 8])
>>> b = a[2:6]
>>> b
array([3, 4, 5, 6])
>>> b[0] = 9
>>> b
array([9, 4, 5, 6])
>>> a
array([1, 2, 9, 4, 5, 6, 7, 8])

矩阵相乘 numpy.dot(aMtx,bMtx)

>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> b
array([[0],
       [1],
       [2]])
>>> numpy.dot(a,b)
array([[ 5],
       [14],
       [23]])

矩阵点乘

ndarray 中,* 表示点乘,而 numpy.matrix() 类型的 * 则表示矩阵相乘.

>>> a*b
array([[ 0,  0,  0],
       [ 3,  4,  5],
       [12, 14, 16]])

合并向量