新手入门学习python Numpy基础操作
NumPy(NumericalPython)是Python语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。是在学习机器学习、深度学习之前应该掌握的一个非常基本且实用的Python库。
导入库，创建数组
importnumpyasnp a=np.arraya=np.array([0,1,2,3,4])#使用array函数 a=np.array([[11,12,13,14,15], [16,17,18,19,20], [21,22,23,24,25], [26,27,28,29,30], [31,32,33,34,35]])#创建多维数组 a=np.zeros((2,3))#创建两行三列的0填充的矩阵，ones(shape)则是创建1填充的，np.full((m,n)8)m行n列的全部是8的参数 a=np.linspace(1.,4.,6)#创建1到4之间，共6个元素的等值间距的数组 a=np.arange(起，止，步长)#创建从起到至，按步长排列的数组 a=np.indices((3,3))#创建一个堆叠的更高维度的数组 a=np.mat()#创建矩阵，array只能从列表中生成，而mat可以从字符串或者列表中生成，比如mat（"1,2;3,4"）,而array（[1,2,3,4]），mat是矩阵、array是数组（假矩阵）
基本操作符
np中矩阵之间加减乘除是对应元素的+、-、*、/，【注】一个数组加一个整数，则是对该数组每个元素加该整数，这个过程成为数组的广播，如果阶数不同则是每行与每行对应相乘。
mat的矩阵若是使用*则是矩阵相乘，而非对应元素相乘
其他的计算函数：
- multiply(),数组或矩阵对应位置相乘
- dot()函数，a.dot(b)表示ab矩阵相乘，数学上的相乘。
- sum()#求和，可使用axis限定方向，0为纵向，1为横向。[[...],[...],[...]]这样横着放求得时候他也会默认为二维方阵，最后结果是[...]
- min()#找出最小的元素
- max()#找出最大的元素
- mean()#返回均值
- std()#返回标准方差
- var()#返回方差
- cumprod()#原数组该位置的前几项元素乘（累乘数组），可以使用axis指定方向，0表示纵向，1表示横向，默认横向
- cumsum()#原数组该位置的前几项元素和（累加数组）
- ptp()#返回最大值减去最小值
np的索引和切片
importnumpyasnp data=np.arange(12).reshape((3,4)) print(data) ##对数组元素进行索引和切片 #1.取第一行的数据 print(data[0]) #2.取第一列的数据 print(data.T[0]) print(data[:,1]) #3.获取多行 print(data[:2]) #4.获取多行列 print(data.T[:2]) print(data[:,:2]) #5.获取指定行的前几列; print(data) print(data[[0,2],:2]) print(data[:2,[0,2]])
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。