Numpy是進行矩陣、向量相關計算的利器,一些相關操作記錄如下
import numpy as np
print("定義數組")
a = np.array([1, 2, 3, 4, 5])
b = np.array([5, 6, 7, 8, 9])
print(a)
print(b)
print("快速構造數組:")
print("構造隨機數組")
a1 = np.empty(3)
a2 = np.empty([2, 3])
a3 = np.empty([3, 4])
print(a1)
print()
print(a2)
print()
print(a3)
print("構造全0數組")
a4 = np.zeros(4)
a5 = np.zeros([2, 3, 4])
print(a4)
print()
print(a5)
print()
print("構造全1數組")
a6 = np.ones([2, 3, 4])
print(a6)
print()
print("構造下三角數組")
a7 = np.tri(3)
print(a7)
print()
print("構造在1-20之間生成7個元素")
a8 = np.linspace(1, 20, num=7)
print(a8)
print()
print("在1-20之間每7個值生成一個元素")
a9 = np.arange(1, 20, step=7)
print(a9)
print()
print("生成一個隨機矩陣")
a10 = np.random.rand(2, 5)
print(a10)
print()
print("按均值爲1,標準差爲0.5的正太分佈生成5個隨機數")
a11 = np.random.normal(1, 0.5, size=5)
print(a11)
print()
print("數組相乘")
c = a * b
print(c)
print("切片操作[開始:結束:步長]")
print(a[1:3])
print(a[4:1:-1])
print(a[1:4:2])
print()
print("軸的概念:指從0開始的數組的第幾個緯度")
d = np.array([[[1, 2], [11, 12], [5, 6]], [[-1, -2], [13, 14], [15, 3]]])
print(d)
print("計算軸對軸1進行聚合")
print(np.sum(d, 1))
print("對數組進行轉置")
print(np.transpose(d))
print("數組合並與拆分")
e1 = np.array([1, 2, 3, 4])
e2 = np.array([2, 3, 4, 5])
e3 = np.array([2, 4, 6, 8])
e = np.column_stack((e1, e2, e3))
print("e")
print(e)
f1 = np.array([[1, 2], [3, 4]])
f2 = np.array([[5, 6], [7, 8]])
f3 = np.concatenate((f1, f2), axis=0)
f4 = np.stack((f1, f2), axis=0)
print("f3")
print(f3)
print("f4")
print(f4)
print("批量操作")
print(np.add(f1,f2))
print("數組*3")
print(f1*3)
定義數組 [[-0.00000000e+000 -0.00000000e+000 2.16036296e+150] [[-0.00000000e+000 1.29073919e-231 -3.95252517e-323 0.00000000e+000] [[[0. 0. 0. 0.] [[0. 0. 0. 0.] 構造全1數組 [[1. 1. 1. 1.] 構造下三角數組 構造在1-20之間生成7個元素 在1-20之間每7個值生成一個元素 生成一個隨機矩陣 按均值爲1,標準差爲0.5的正太分佈生成5個隨機數 數組相乘 軸的概念:指從0開始的數組的第幾個緯度 [[-1 -2] [[ 2 -2] [[5 6] |