array的知识

• 传送门:numpy库官方文档

import numpy as np
#生成全是一的2*3矩阵
>>> np.ones((2,3))
array([[1., 1., 1.], 
       [1., 1., 1.]]) # 如果要规定数据类型就加上dtype=...

>>> np.ones(6)
array([1., 1., 1., 1., 1., 1.]) #生成1*6全是一的矩阵

>>> np.zeros((2,3))
array([[0., 0., 0.],
       [0., 0., 0.]])  #生成全是零的2*3矩阵

>>> np.zeros(6)
array([0., 0., 0., 0., 0., 0.]) #生成1*6全是零的矩阵

>>> list_c = [[1, 2], [3, 4]] 
>>> c = np.array(list_c) #将list转化为array
>>> c.sum(axis = 0)
array([4, 6])

>>> np.arange(10,30,5)
array([10, 15, 20, 25]) #根据步长生成一个array,左闭右开

>>> np.linspace(1,10,10)
array([ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.]) #根据多少个数来生成一个array,左闭右闭

>>> np.ones(12).reshape(3,4)
array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]]) #将一个一维的array转化为多维的

>>> A = np.array([[1, 1],[0, 1]]) #array的一些运算:*,@,dot
>>> B = np.array([[2, 0],[3, 4]])
>>> print(A*B) # 对应位置对应元素相乘
[[2 0]
 [0 4]]
>>> print(A@B) # 矩阵乘法
[[5 4]
 [3 4]]
>>> print(A.dot(B)) # 矩阵乘法
[[5 4]
 [3 4]]

>>> b = np.arange(12).reshape(3, 4)
>>> b
array([[ 0,  1,  2,  3], 
       [ 4,  5,  6,  7], 
       [ 8,  9, 10, 11]])
#关于axis=0或者axis=1代表什么含义看下面链接
>>> b.sum(axis=0) #每一列的sum
array([12, 15, 18, 21])
>>> b.min(axis=1) #每一行的min
array([0, 4, 8])
>>> b.cumsum(axis=1) #每一行的数累加
array([[ 0,  1,  3,  6],
       [ 4,  9, 15, 22],
       [ 8, 17, 27, 38]], dtype=int32)

>>> a = np.arange(10)**3  
>>> a
array([  0,   1,   8,  27,  64, 125, 216, 343, 512, 729], dtype=int32)
>>> a[2:5] # 列表切片
array([ 8, 27, 64], dtype=int32)
>>> a[:6:2] = 1000 #
>>> a
array([1000,    1, 1000,   27, 1000,  125,  216,  343,  512,  729],
      dtype=int32)
>>> a[::-1] #将a倒序
array([ 729,  512,  343,  216,  125, 1000,   27, 1000,    1, 1000],
      dtype=int32)

转发:Python之NumPy（axis=0 与axis=1）区分