【实例简介】
numpy库的基础应用.doc
NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix）），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今天我们探讨一下numpy库的基础应用，以后我们还会谈论他的进阶操作。
【实例截图】
【核心代码】
import numpy as np a1 = np.array([1,2,3,4,5,6,7,8,9])#运用python列表类型创建数组 a2 = np.array((1,2,3,4,5,6,7,8,9))#运用python元组类型创建数组 a3 = np.arange(10) a4 = np.linspace(0,2*np.pi,5) print(a1) #一维数组 import numpy as np a = np.array([1,2,3,4,5,6,7,8,9])#创建一个一维数组 print（a[6])#输出第一行第七列 #二维数组 b = np.array([[1,2,3,4,5,6,7,8,9],[1,4,7,8,5,2,9,6,3]])#创建一个二维数组 print(b[1,6])#输出第二行第七列 9 print(b[0,1:6])#输出b数组的第一行的2~6列---->注意不到序列6 print(b[0:,5])#输出数组的第六列 [6 2] [1 2 3 4 5 6 7 8 9] print(a2) [1 2 3 4 5 6 7 8 9] print(a3) [0 1 2 3 4 5 6 7 8 9] print(a4) [0. 1.57079633 3.14159265 4.71238898 6.28318531] import numpy as np b = np.array([[1,2,3,4,5,6,7,8,9],[1,4,7,8,5,2,9,6,3]])#创建一个二维数组 print(type(b))#输出b的类型 <class 'numpy.ndarray'> print(b.dtype)#对象的元素类型 int32 print(b.size)#输出对象元素的个数 18 print(b.shape)#输出矩阵的行数和列数 (2,9)#二行九列 print(b.itemsize)#输出每个项占用的字节数------>32/8 4 print(b.ndim)#输出数组的维度 2 print(a.nbytes)#输出所有数据消耗的字节数 import numpy as np a = np.array([[1,2,3,4,5],[7,4,1,8,5],[9,6,3,0,1]]) b = np.arange(15).reshape(3,5) print(b) [[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14]] print(a b)#求和,必须保证行数和列数相等。。。下同 [[ 1 3 5 7 9] [12 10 8 16 14] [19 17 15 13 15]] print(a*b) [[ 0 2 6 12 20] [35 24 7 64 45] [90 66 36 0 14]] print(a-b) [[ 1 1 1 1 1] [ 2 -2 -6 0 -4] [ -1 -5 -9 -13 -13]] #除法类似 print(a<b) [[False False False False False] [False True True False True] [ True True True True True]] print(a>b) [[ True True True True True] [ True False False False False] [False False False False False]] import numpy as np a = np.arange(10).reshape(2,5) n =np.where(a>3) print(n) (array([0, 1, 1, 1, 1, 1], dtype=int64), array([4, 0, 1, 2, 3, 4], dtype=int64))#输出为符合元素的序列 import numpy as np a = np.zeros((2,2))#创建一个2行2列的全零矩阵 print(a) [[0. 0.] [0. 0.]] b = np.full((3,3),6)#创建一个三行三列的全6矩阵 print(b) [[6 6 6] [6 6 6] [6 6 6]] c = np.ones((4,4))#创建一个四行四列的全1矩阵 print(c) [[1. 1. 1. 1.] [1. 1. 1. 1.] [1. 1. 1. 1.] [1. 1. 1. 1.]] d = np.eye(5)#创建一个五行五列的单位矩阵 print(d) [[1. 0. 0. 0. 0.] [0. 1. 0. 0. 0.] [0. 0. 1. 0. 0.] [0. 0. 0. 1. 0.] [0. 0. 0. 0. 1.]] import numpy as np a = np.array([[1,2,3,4,5,6],[4,5,6,7,8,9]]) b = np.array([6,2,3]) c = np.ones_like(a) print(c) [[1 1 1 1 1 1] [1 1 1 1 1 1]]
