NumPy是什么？能吃吗？好吃吗？
。。。吃货总是把问题想的这么简单。。。
来看看NumPy在官网上是怎么定义自己的吧。。
NumPy is the fundamental package for scientific computing with Python. It contains among other things:
1.a powerful N-dimensional array object
2.sophisticated (broadcasting) functions
3.tools for integrating C/C++ and Fortran code
4.useful linear algebra, Fourier transform, and random number capabilities
Besides its obvious scientific uses, NumPy can also be used as an efficient multi-dimensional container of generic data. Arbitrary data-types can be defined. This allows NumPy to seamlessly and speedily integrate with a wide variety of databases.
看到了把，翻译成中文就是在数据处理方面屌得很。。
下面来看看具体的基本操作吧：
1.导入NumpPy这个库(安装的话，在之前的blog中已经介绍过啦)，并将其简写方便使用：
2.Python自定义的数组并不是严格意义上的矩阵，我们可以使用np将其转换成np自己的矩阵类型
-
array00 = np.array([[1,2,3],[4,5,6]])
-
print(array00)
3.查看矩阵的维数，矩阵的形式，矩阵中元素的个数
-
print 'number of dim:',array00.ndim
-
print 'shape:',array00.shape
-
print 'size',array00.size
4.设置输出类型
-
array01 = np.array([1,2,3],dtype=np.int)
-
print(array01.dtype)
5.初始化N*M的元素为0的矩阵
-
array01 = np.array([1,2,3],dtype=np.int)
-
print(array01.dtype)
6.初始化N*M的元素为1的矩阵
-
array03 = np.ones((4,5))
-
print array03
7.初始化N*M的元素为空的矩阵
-
array04 = np.empty((4,5))
-
print array04
8.生成一个1到10步长为2的矩阵
-
array05 = np.arange(1,10,2)
-
print array05
9.生成一个具有12个元素，shape为N*M的矩阵
-
array06 = np.arange(12).reshape((3,4))
-
print array06
10.生成一个1到20 被cut为12段的一个线性矩阵
-
array07 = np.linspace(1,20,12)
-
print array07
-
print
-
array07 = np.linspace(1,20,12).reshape((3,4))
-
print array07
11.关于矩阵的一些处理
-
#初始化两个1*4矩阵
-
array08 = np.array([4,5,6,7])
-
array09 = np.arange(4)
-
-
#矩阵减法
-
print array08,array09
-
array10 = array08 - array09
-
print array10
-
-
#矩阵加法
-
print array08,array09
-
array10 = array08 + array09
-
print array10
-
-
#矩阵元素平方
-
print array08
-
array10 = array08 ** 2
-
print array10
-
-
#矩阵求sin
-
print array08
-
array10 = np.sin(array08)
-
print array10
-
-
#矩阵元素是否大于5
-
print array08
-
array10 = array08 > 5
-
print array10
-
-
#矩阵元素是否等于5
-
print array08
-
array10 = array08 == 5
-
print array10
12.矩阵中元素相乘和矩阵乘法
-
#初始化两个2*2矩阵
-
array11 = np.array([[1,1],[0,1]])
-
array12 = np.arange(4).reshape((2,2))
-
print array11
-
print
-
print array12
-
print
-
#矩阵中每个元素相乘
-
array13 = array11 * array12
-
#矩阵乘法
-
array14 = np.dot(array11,array12)
-
array14 = array11.dot(array12)
-
-
print array13
-
print
-
print array14
13.随机生成矩阵
-
array15 = np.random.random((4,4))
-
print array15
-
print
-
array15_1 = np.random.randint(1,100,10)
-
print array15_1
14.关于矩阵的一个些操作
-
#随机生成矩阵
-
array15 = np.random.random((4,4))
-
print array15
-
-
array15_1 = np.random.randint(1,100,10)
-
print array15_1
-
-
#方差
-
print np.var(array15_1)
-
print
-
#矩阵求和
-
print np.sum(array15)
-
#求出矩阵中最小元素
-
print np.min(array15)
-
#求出矩阵中最大元素
-
print np.max(array15)
-
#矩阵行求和
-
print np.sum(array15,axis=0)
-
#求出每行最小元素
-
print np.min(array15,axis=0)
-
#求出每行最大元素
-
print np.max(array15,axis=0)
-
print
-
-
#列求和
-
print np.sum(array15,axis=1)
-
#求出每列最小元素
-
print np.min(array15,axis=1)
-
#求出每列最大元素
-
print np.max(array15,axis=1)
15.关于矩阵索引的一些操作和其他操作
-
array16 = np.arange(1,13).reshape((3,4))
-
print array16
-
-
#求矩阵最小值索引
-
print np.argmin(array16)
-
#求矩阵最大值索引
-
print np.argmax(array16)
-
#求矩阵平均值
-
print np.mean(array16)
-
print np.average(array16)
-
#求矩阵行平均值
-
print np.mean(array16,axis=0)
-
#求矩阵列平均值
-
print np.mean(array16,axis=1)
-
-
#求矩阵中位数
-
print np.median(array16)
-
#矩阵元素累加
-
print np.cumsum(array16)
-
#矩阵相邻元素累差
-
print np.diff(array16)
16.元素的非零判别
-
array17 = np.array([[1,2,3],[3,0,4],[0,2,2]])
-
-
print np.nonzero(array17)
17.矩阵排序
-
array18 = np.array([[4,2,3],[3,0,4],[0,5,2]])
-
#矩阵行排序
-
print np.sort(array18)
18.矩阵转置以及矩阵内元素的范围控制
-
array19 = np.arange(20).reshape(4,5)
-
print array19
-
print
-
-
#矩阵转置
-
print array19.T
-
print np.transpose(array19)
-
print
-
#矩阵中小于4用4替代，大于8用8替代
-
print np.clip(array19,4,8)
19.对矩阵的一些控制输出
-
array21 = np.arange(3,15).reshape(3,4)
-
print array21
-
print
-
print (array21[2])
-
print
-
print array21[1][1]
-
-
print array21[1,1]
-
print array21[1,1:]
-
print
-
-
#打印每一行
-
for row in array21:
-
print row
-
-
print
-
-
#打印每一列
-
for column in array21.T:
-
print column
-
print
-
-
#折叠成一个一维数组
-
print (array21.flatten())
-
print
-
-
#打印数组中的每一个元素
-
for item in array21.flat:
-
print item
20.矩阵的分割
-
array22 = np.arange(16).reshape(4,4)
-
print array22
-
print
-
-
-
#每两行分割
-
print np.split(array22,2,axis=0)
-
print
-
-
-
#每两列分割
-
print np.split(array22,2,axis=1)
-
print
-
-
#不等分割
-
print np.array_split(array22,3,axis=1)
-
print
-
-
#横向分割
-
print np.vsplit(array22,2)
-
print
-
-
#纵向分割
-
print np.hsplit(array22,2)
21.矩阵拷贝
-
array23 = np.arange(4)
-
array24 = array23
-
-
print array23
-
print array24
-
-
#浅拷贝
-
print array23 is array24
-
array23[2] = 14
-
print
-
print array23
-
print array24
-
print
-
-
-
#深拷贝
-
array25 = array23.copy()
-
-
print array23
-
print array25
-
-
print array23 is array25
-
array23[2] = 99
-
print
-
print array23
-
print array25
22.矩阵合并
-
array26 = np.array([1,1,1])
-
array27 = np.array([2,2,2])
-
-
#横向合并
-
print np.vstack((array26,array27))
-
print
-
-
#纵向合并
-
print np.hstack((array26,array27))
-
-
列表变矩阵
-
print array26[np.newaxis,:]
-
print array26[np.newaxis,:].shape
-
print
-
print array26[:,np.newaxis]
-
print array26[:,np.newaxis].shape
-
-
array28 = array26[:,np.newaxis]
-
array29 = array27[:,np.newaxis]
-
print
-
print np.vstack((array28,array29))
-
print
-
print np.hstack((array28,array29))
-
-
#多矩阵合并
-
print
-
print np.concatenate((array28,array29,array29,array28),axis=0)
-
print
-
print np.concatenate((array28,array29,array29,array28),axis=1)
好啦就到这里吧，感觉是不是很像matlab，NumPy对矩阵的处理确实很强大！
