【Python】之 Numpy

1. 导包 import numpy as np
2. 查看版本 print(np.__version__)

一、创建数组

---

NumPy 的主要对象是多维数组 Ndarray。在 NumPy 中维度（dimensions）叫做轴（axes），轴的个数叫做秩（rank）。

例如，下方数组是一个秩为 1 的数组，因为它只有一个轴，而轴的长度为 3。

[1, 2, 3]

又例如，下方数组的秩为 2。第一个维度长度为 2,第二个维度长度为 3。

[[1., 2., 3.],
 [4., 5., 6.]]

1. 创建一维数组
   np.array([1, 2, 3])

2. 创建二维数组
   np.array([(1, 2, 3), (4, 5, 6)])

3. 创建全为0的二维数组
   np.zeros((3, 3))

4. 创建全为1的三维数组
   np.ones((2, 3, 4))

5. 创建一维等差数组
   np.arange(5)

6. 创建二维等差数组
   np.arange(6).reshape(2, 3)

7. 创建单位矩阵（三维）
   np.eye(3)

8. 创建等间隔一维数组
   np.linspace(1, 10, num=6)

9. 创建二维随机数组
   np.random.rand(2, 3)

10. 创建二维随机整数数组（数值小于5）
    np.random.randint(5, size=(2, 3))

11. 依据自定义函数创建数组
    i , j 为坐标索引
    np.fromfunction(lambda i, j: i + j, (3, 3))

二、数组运算

---

1. 生成一维示例数组

a = np.array([10, 20, 30, 40, 50])
b = np.arange(1, 6)
a, b

2. 一维数组加法运算
   a + b

3. 一维数组减法运算
   a - b

4. 一维数组乘法运算
   a * b

5. 一维数组除法运算
   a / b

6. 生成二维示例数组（可以看作矩阵）

A = np.array([[1, 2],
              [3, 4]])
B = np.array([[5, 6],
              [7, 8]])
A, B

7. 矩阵加法运算
   A + B

8. 矩阵减法运算
   A - B

9. 矩阵元素间乘法运算
   这个只是对应的数组进行相乘
   A * B

10. 矩阵乘法运算（真正矩阵相乘）
    np.dot(A, B)

# 如果使用 np.mat 将二维数组准确定义为矩阵，就可以直接使用 * 完成矩阵乘法计算
np.mat(A) * np.mat(B)

11. 数乘矩阵
    2 * A

12. 矩阵的转置
    A.T

13. 矩阵求逆
    np.linalg.inv(A)