python-numpy的基本使用

import numpy as np  # 导入numpy库，并命名为np
print(np.__version__)  # 查看numpy版本
n = np.array([1, 2, 3])  # 通过列表创建一维数组
s = np.array([(1, 2, 3), (4, 5, 6)])  # 通过列表创建二维数组
tt = np.zeros((3, 4))  # 创建3行4列的数组，全部为0
t = np.ones((2, 3, 4))  # 创建全为1的三维数组
k = np.full((3, 4), 8)  # 创建3行4列的数组，以元素全部为8填充
w = np.arange(6).reshape(2, 3)  # 创建二维等差数组
ww = np.arange(5)  # 创建一维等差数组
j = np.eye(3)  # 创建单位矩阵
m = np.random.rand(2, 3)  # 创建二维随机数组
nn = np.random.randint(5, size=(2, 3))  # 创建二维随机整数数组(数值小于5)
# 数组运算
a = np.array([10, 20, 30, 40, 50])
b = np.arange(1, 6)
print(a, b)  # [10 20 30 40 50] [1 2 3 4 5]
a = np.array([[1, 2], [3, 4]])
print(np.sum(a))  # 10
print(np.sum(a, axis=0))  # axis=0表示每一列求和 [4 6]
print(np.sum(a, axis=1))  # axis=1表示每一行求和 [3 7]
print(np.mean(a))  # 求取平均值  2.5
print(np.tile(a, (1, 2)))  # 将数组a变成一行两列 [[1 2 1 2][3 4 3 4]]
print(np.tile(a, (2, 1)))  # 将数组a变成两行一列 [[1 2][3 4][1 2][3 4]]
a = np.array([[3, 6, 4, 11], [5, 10, 1, 3]])
print(a.argsort())  # 将元素按照行从小到大排序，返回对应位置元素的下标
print(a.argsort(axis=0))  # 按照列排序，返回对应位置元素的下标
a = np.array([1, 2, 3])
b = np.array([0, 1, 2])
print(a+b)  # 一维数组加法运算 [1 3 5]
print(a-b)  # 一维数组减法运算 [1 1 1]
print(a*b)  # 一维数组乘法运算 [0 2 6]
print(b/a)  # 一维数组除法运算 [0.         0.5        0.66666667]
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
print(A * B)  # 二维数组的运算，相应位置上进行+-*/   [[ 5 12][21 32]]
print(np.mat(A) * np.mat(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*完成乘法运算计算  [[19 22][43 50]]
print(A.T)  # 转置矩阵 [[1 3][2 4]]
print(np.linalg.inv(A))  # 矩阵求逆 [[-2.   1. ][ 1.5 -0.5]]
print(A[1, 0])  # 索引的使用 查询A中第二行第一列元素
print(A[-2:, 1:3])  # 取出某个范围的值。冒号表示所取的范围，跟列表的索引用法一样，逗号用来区分每个维度，下面的代码表示[取倒数第二行到最后一行, 第二列到第三列
A[np.arange(1), 1] += 10
print(A)  # [[ 1 12][ 3  4]]
result_index = A > 2
print(result_index)  # 获取数组中大于或小于某个确定值的数值 [[False  True][ True  True]]
a = np.array(['1.2', '1.3', '1.4'], dtype=np.string_)
print(a)
print(a.astype(np.float_))  # 使用astype转换数据类型