Numpy 实战技巧与常用语法解析-优快云博客

这篇博客记录了作者学习Numpy的过程，旨在掌握并整理Numpy的常用语法和小贴士，包括数组生成、矩阵运算、拼接、重塑、查找非零元素、重复元素、求和、找最小值索引以及比较操作等，希望通过实践和总结避免使用时的困扰。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Numpy实战记录

一直以来，只能看得懂numpy的语法，自己写起来太蹩脚了，动不动就要网上搜索，效率太低。痛定思痛，决定自己好好整理一下，有时间的话抽空来看一看，争取永久性掌握！

import numpy as np

对于很多函数func()而言，B=np.func(matrixA,...)和B=A.func(...)是等价的
生成数组np.array()，生成矩阵np.mat()，全零np.zeros(一个数/元组)【len_of_array / (num_of_row, num_of_col)】，全一np.ones(一个数/元组)【len_of_array / (num_of_row, num_of_col)】

np.concatenate((m1,m2,m3...), axis=0)沿axis的方向拼接多个矩阵

AAA = np.concatenate((A,A,A), axis=1)    # num of columns increases
AAA = np.concatenate((A,A,A), axis=0)    # num of rows increases

np.transpose()，括号内写转换成轴，若不写则逆序全返

A_trans = A.transpose(1,0)    # a combination of 0 to n-1 for n-dim

np.reshape(matrix, newshape=int或(), order=’C’/’F’/’A’)，简单来说，打碎重组，常用于重建矩阵，计算的时候调整维数，具体的自行百度/google比较清晰
```
A_reshape = np.reshape(A,newshape=(4,1))    # return a (4,1) matrix
```
np.nonzero(matrix)，用于寻找matrix中非零元素，返回是多个array表示的地址，例如返回[1,3],[2,0]，说明原矩阵内(1,2)和(3,0)两位置上的数是非零的
```
A_non0 = np.nonzero(A)
# return: (array([0,0,1,1], dtype=int64), array([0,1,0,1], dtype=int64))
```
np.repeat(matrix, repeats=int或[], axis=None/0/1)，用于沿着flatten/0/1轴重复repeats次
```
A_repeat = np.repeat(A, repeats=1)
# return: [1,2,3,4]
```
np.sum(matrix, axis=int或())，用于计算和，axis若是元组则表示要依次在axis的维度加和
```
A_sum = np.sum(A, axis=0)
# return: [4,6]
```
np.argmin(matrix, axis=None/0/1)用于寻找最小值索引，沿着flatten/0/1轴
```
A_amin = np.argmin(A, axis=1)
# return: [0,0]
```
np.array_equal(A, B)用于判断两数组是否相等，在此忽略np.array和python自带list的区别
```
A_is = np.array_equal(A, A.tolist())
# return: True
```
np.argsort(matrix, axis=2/1/0)用于寻找排序后的索引默认最内排序
```
A_asort = np.argsort(A, axis=0)
# return: [[0 0]
#		   [1 1]]
```