Python笔记 -- numpy

list列表、tuple元组、set集合、dict字典，都属于容器，可以进行增删改查、计算元素的个数和排序等基本操作，注意并不是所有的全部都支持，具体功能略有不同。

numpy 科学计算库

numpy的核心数据结构是N维数组。具有向量和矩阵的功能。

numpy底层是用C语言实现的，所以执行速度很快。

numpy是第三方库，需要使用pip或conda进行安装使用。如果已经安装过anaconda 额外再安装，因为anaconda中已经包含了numpy。

import numpy as np #引入numpy包

#创建一维数组 参数传可迭代对象，如列表
arr = np.array([1,2,3,4,5])

#创建二维数组
arr2=np.array([[1,2,3,4],[5,6,7,8]])

#查看数组的维度
arr.ndim

#查看数据类型
arr.dtype

#重新设置数据类型
arr1=arr.astype(np.int64)

arr2.sum(axis=1) #axis=1对行求和
arr2.sum(axis=0) #axis=0对列求和
arr2.mean(axis=1)#求行平均值，如果不写axis，则对行列整体求平均值

arr2.var()#求方差

arr2.std()#求标准差

arr2.T#求逆矩阵

标量：单个数据，如1,2,3,4

向量：一维数组，将多个标量按照一定的顺序排列成一行或一列。[1,2,3,4]

矩阵：二维数组，成行成列的一堆数据。

张量：三维、四维、五维等高维数组。例如图像就属于三维的数组。

import matplotlib.pyplot as plt #引入图片的包
img = plt.imread('img.jpeg')

图像一般是三维的数组。第一个维度表示图片的高度，第二个维度表示图片的宽度，第三个维度表示彩色数据，用来控制图片的颜色。

#将可迭代对象转换成数组
import numpy as np #引入numpy
np.array([1,2,3,4]) #创建数组
x1 = np.linspace(start=1,stop=100,num=100) #等差数列,start表示起始值，stop表示结束值，num表示生成多少个元素

# arange生成等差数列，start起始值，stop结束值（不包含），step步长。
#注意linspace第三个参数控制的是元素的总个数，而arange控制的是步长。
np.arange(1,100,8)

#生成值全为1的数组
np.ones(shape=(3,5))#生成3行5列数组，里面的值全为1

#生成2行3列的数组，里面的值全为0
np.zeros(shape=(2,3))

np.ones_like(x1)#按照X1的形状生成数组，里面的值全为1

#根据某个矩阵生成对角矩阵(除了主对角线之外，其他值全为0)
np.diag(x1)

#单位矩阵
np.eye(3)

#将2个矩阵拼接一起
x2 = x1.reshape(5,20)
x3 = x1.reshape(5,20)

#按列的顺序，堆叠数组构成一个新数组
np.hstack((x2,x3)).shape

#按行的顺序，堆叠数组构成一个新数组
np.vstack((x2,x3)).shape

with open(file='b.txt',mode='r') as f:
    while True:
        line = f.readline()
        if line:
            print(line)
        else:
            break

2个数组之间做加减乘除运算时，他们的形状必须一致。

arr1 = np.array([[1,2],[3,4]])
arr2 = np.array([[1,1],[2,3]])

arr1+arr2

#内积
arr1 @ arr2