文章目录
- 1. Ndarray的5种重要属性
- 2. Ndarray的7种创建方法
- 3. 类型转换和等比/差数列
- 4. Numpy的8种内置方法
- 5. Numpy 数学运算
主要内容
- Ndarray的5种重要属性
- nd.ndim Ndarray的维度
- nd.shape Ndarray的行列数
- nd.size Ndarray的元素数
- nd.dtype Ndarray元素类型
- nd.itemsize Ndarray元素大小
- Ndarray的7种创建方法
- np.arange()
- np.zeros()
- np.ones()
- np.empty()
- np.mat()
- mat(‘1,2;3,4’)
- mat(‘1 2’3 4’)
- np.matrix([])
- np.random.xxx()
- rand()
- randint()
- uniform()
- 数据类型转换和等比等差数列
- dtype表明元素的数据类型
- astype(np.float64/np.int32)
- Numpy内置方法
- np.ceil() 向上取整
- np.floor() 向下取整
- np.rint() 四舍五入
- np.innan() 是否为空
- np.multiply() 元素相乘
- np.divide() 元素相除
- np.abs() 绝对值
- np.where(condition,x,y) 三元运算符 x if condition else y
- Numpy数学运算
- 矩阵加法，矩阵元素对位相加，或者矩阵所有元素加上同一个值
- 矩阵减法，矩阵元素对位相减，或者矩阵所有元素减去同一个值
- dot() 矩阵点乘，采用矩阵的乘法
- multiply() 对位相乘
Talk is cheap show me the code. —— Linus Torvalds
1. Ndarray的5种重要属性
'''
本代码用于展示Ndarray的5种重要属性
20230925 by weidada
'''
import numpy as np# 创建一个Ndarray对象
nd = np.array([[1, 2], [3, 4]])print('nd的类型为：', type(nd))
print('1. nd的维度：',nd.ndim)
print('2. nd的行列数：',nd.shape)
print('3. nd的元素个数：',nd.size)
print('4. nd的元素大小：',nd.itemsize)
print('5. nd的元素类型：',nd.dtype)'''
代码输出：
nd的类型为： <class 'numpy.ndarray'>
1. nd的维度： 2
2. nd的行列数： (2, 2)
3. nd的元素个数： 4
4. nd的元素大小： 4
5. nd的元素类型： int32
'''
2. Ndarray的7种创建方法
import numpy as npnd1 = np.array([1, 2, 3, 4], dtype=np.float64)
print('nd1：', nd1)
print('nd1元素类型：', nd1.dtype)# zeros/ones/empty
nd2 = np.zeros(shape=(2, 3), dtype=np.float64)
print('nd2：', nd2)nd3 = np.ones(shape=(3, 4), dtype=np.int32)
print('nd3：', nd3)# 创建一个三行四列的数组，并且不对内存中的数据做任何初始化操作
nd4 = np.empty(shape=(3, 4))
print('nd4：', nd4)# mat/matrixnd5 = np.mat('1,2;3,4')
print('nd5：', nd5)nd5_2 = np.mat('1 2;3 4')
print('nd5_2：', nd5_2)nd6 = np.matrix([[1, 2], [3, 4]], dtype=np.float64)
print('nd6：', nd6)# random# 创建一个三行四列的随机数组，数组的元素位于[0,1)区间中
nd7 = np.random.rand(3, 4)
print('nd7：', nd7)# 从[1,10)区间中取出随机整数创建一个两行散列的数组
nd7_2 = np.random.randint(1, 10, size=(2, 3))
print('nd7_2：', nd7_2)# 从[-3,3)区间中取出实数，创建一个三行四列的数组
nd7_3 = np.random.uniform(-3, 3, size=(3, 4))
print('nd7_3：', nd7_3)'''
代码输出：
nd1： [1. 2. 3. 4.]
nd1元素类型： float64
nd2： [[0. 0. 0.][0. 0. 0.]]
nd3： [[1 1 1 1][1 1 1 1][1 1 1 1]]
nd4： [[0. 0. 1. 1.][1. 1. 1. 1.][1. 0. 0. 1.]]
nd5： [[1 2][3 4]]
nd5_2： [[1 2][3 4]]
nd6： [[1. 2.][3. 4.]]
nd7： [[0.40850696 0.13023629 0.65993262 0.44094543][0.39357602 0.49633451 0.65386546 0.08969138][0.21696212 0.75754505 0.6421084 0.86626301]]
nd7_2： [[4 6 1][3 6 7]]
nd7_3： [[ 1.40482872 -2.84858258 -2.95598728 -0.31476042][ 2.82887046 2.71789577 -0.2911986 1.55282051][ 1.01122184 -1.10465388 -2.52051117 2.43563793]]
'''
3. 类型转换和等比/差数列
import numpy as np# 使用astype转换数组元素的类型
nd = np.array([1, 2, 3, 4, 5])
print('nd的元素类型：', nd.dtype)nd1 = nd.astype(np.float64)
print('nd1的元素类型：', nd1.dtype)# 使用logspace创建等比数列# [2^0,2^3]区间中取出4个元素，组成等比数列
logd = np.logspace(0, 3, 4, base=2, dtype=np.int32)
print(logd)# [0,10]区间取出11个元素组成等差数列
lind = np.linspace(0, 10, endpoint=True, num=11)
print(lind)
'''
nd的元素类型： int32
nd1的元素类型： float64
[1 2 4 8]
[ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
'''
4. Numpy的8种内置方法
import numpy as npdata = np.random.uniform(-3, 3, size=(2, 3))
print(data)print("向上取整：", np.ceil(data))
print("向下取整：", np.floor(data))
print("四舍五入：", np.rint(data))
print("是否为空：", np.isnan(data))
print("对位乘法：", np.multiply(data, data))
print("对位除法：", np.divide(data, data))
print("绝对值：", np.abs(data))
print("三目运算：", np.where(data > 0, 1, -1))'''
代码输出：（注意，每次输出结果并不相同，因为有random）
[[-1.3457752 1.57889323 1.62845167][ 2.52058874 0.24765177 -1.19728704]]
向上取整： [[-1. 2. 2.][ 3. 1. -1.]]
向下取整： [[-2. 1. 1.][ 2. 0. -2.]]
四舍五入： [[-1. 2. 2.][ 3. 0. -1.]]
是否为空： [[False False False][False False False]]
对位乘法： [[1.8111109 2.49290383 2.65185485][6.35336761 0.0613314 1.43349626]]
对位除法： [[1. 1. 1.][1. 1. 1.]]
绝对值： [[1.3457752 1.57889323 1.62845167][2.52058874 0.24765177 1.19728704]]
三目运算： [[-1 1 1][ 1 1 -1]]
'''
5. Numpy 数学运算
import numpy as npx = np.random.randint(1, 10, size=(2, 3))
y = np.random.randint(1, 10, size=(3, 2))
print('x:\n', x)
print('y:\n', y)# 对位相加
print('x + x:\n', x + x)# 对位相减
print('x - x\n', x - x)# 所有元素+/-1
print('x + 1:\n', x + 1)
print('x - 1:\n', x - 1)# 矩阵乘法
print('x dot y:\n', x.dot(y))# 数组元素对位相乘
print('x multiply x:\n', np.multiply(x, x))'''
代码输出：
x:[[9 7 3][4 4 9]]
y:[[3 6][7 5][1 8]]
x + x:[[18 14 6][ 8 8 18]]
x - x[[0 0 0][0 0 0]]
x + 1:[[10 8 4][ 5 5 10]]
x - 1:[[8 6 2][3 3 8]]
x dot y:[[ 79 113][ 49 116]]
x multiply x:[[81 49 9][16 16 81]]
'''
