目录

以下是具体的操作步骤和示例代码：

数组创建

数组操作

数组计算

统计分析

矩阵操作

---

• 这些操作涵盖了数组创建、数组操作、数组计算、统计分析和矩阵操作等多个方面.

以下是具体的操作步骤和示例代码：

首先导入Numpy

import numpy as np

数组创建

1. 创建一维数组

arr1 = np.array([1, 2, 3, 4, 5])
print(arr1)

2. 创建二维数组

arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2)

3. 创建全零数组

zeros = np.zeros((3, 3))
print(zeros)

4. 创建全一数组

ones = np.ones((3, 3))
print(ones)

5. 创建单位矩阵

eye = np.eye(3)
print(eye)

6. 创建随机数组

rand_arr = np.random.random((3, 3))
print(rand_arr)

7. 创建等间隔数组

linspace = np.linspace(0, 10, 5)
print(linspace)

数组操作

8. 数组形状变换

arr = np.arange(12)
reshaped = arr.reshape((3, 4))
print(reshaped)

9. 数组拼接

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6]])
concatenated = np.concatenate((arr1, arr2), axis=0)
print(concatenated)

10. 数组分割

arr = np.arange(10)
split = np.split(arr, 5)
print(split)

11. 数组转置

arr = np.array([[1, 2], [3, 4]])
transposed = arr.T
print(transposed)

12. 数组扁平化

arr = np.array([[1, 2], [3, 4]])
flattened = arr.flatten()
print(flattened)

13. 数组扩展维度

arr = np.array([1, 2, 3])
expanded = np.expand_dims(arr, axis=1)
print(expanded)

14. 数组缩减维度

arr = np.array([[[1, 2, 3], [4, 5, 6]]])
squeezed = np.squeeze(arr)
print(squeezed)

数组计算

15. 数组加法

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
sum_arr = arr1 + arr2
print(sum_arr)

16. 数组减法

diff_arr = arr1 - arr2
print(diff_arr)

17. 数组乘法

prod_arr = arr1 * arr2
print(prod_arr)

18. 数组除法

quot_arr = arr1 / arr2
print(quot_arr)

19. 数组点积

dot_product = np.dot(arr1, arr2)
print(dot_product)

20. 数组广播

arr = np.array([1, 2, 3])
broadcasted = arr + 1
print(broadcasted)

统计分析

21. 计算数组均值

arr = np.array([1, 2, 3, 4, 5])
mean = np.mean(arr)
print(mean)

22. 计算数组标准差

std_dev = np.std(arr)
print(std_dev)

23. 计算数组中位数

median = np.median(arr)
print(median)

24. 计算数组总和

total = np.sum(arr)
print(total)

25. 计算数组最小值和最大值

min_val = np.min(arr)
max_val = np.max(arr)
print(min_val, max_val)

矩阵操作

26. 矩阵乘法

mat1 = np.array([[1, 2], [3, 4]])
mat2 = np.array([[5, 6], [7, 8]])
mat_product = np.matmul(mat1, mat2)
print(mat_product)

27. 矩阵求逆

inv_mat = np.linalg.inv(mat1)
print(inv_mat)

28. 矩阵行列式

det_mat = np.linalg.det(mat1)
print(det_mat)

29. 矩阵特征值和特征向量

eigvals, eigvecs = np.linalg.eig(mat1)
print("特征值:", eigvals)
print("特征向量:\n", eigvecs)

30. 矩阵的SVD分解

U, S, V = np.linalg.svd(mat1)
print("U矩阵:\n", U)
print("奇异值:", S)
print("V矩阵:\n", V)

• 以上是30个常用的Numpy操作的示例代码.这些示例展示了如何使用Numpy进行数组创建、数组操作、数组计算、统计分析和矩阵操作等基本任务.如果你有任何问题或需要进一步的解释，请告诉我！