Numpy是进行矩阵、向量相关计算的利器,一些相关操作记录如下
import numpy as np
print("定义数组")
a = np.array([1, 2, 3, 4, 5])
b = np.array([5, 6, 7, 8, 9])
print(a)
print(b)
print("快速构造数组:")
print("构造随机数组")
a1 = np.empty(3)
a2 = np.empty([2, 3])
a3 = np.empty([3, 4])
print(a1)
print()
print(a2)
print()
print(a3)
print("构造全0数组")
a4 = np.zeros(4)
a5 = np.zeros([2, 3, 4])
print(a4)
print()
print(a5)
print()
print("构造全1数组")
a6 = np.ones([2, 3, 4])
print(a6)
print()
print("构造下三角数组")
a7 = np.tri(3)
print(a7)
print()
print("构造在1-20之间生成7个元素")
a8 = np.linspace(1, 20, num=7)
print(a8)
print()
print("在1-20之间每7个值生成一个元素")
a9 = np.arange(1, 20, step=7)
print(a9)
print()
print("生成一个随机矩阵")
a10 = np.random.rand(2, 5)
print(a10)
print()
print("按均值为1,标准差为0.5的正太分布生成5个随机数")
a11 = np.random.normal(1, 0.5, size=5)
print(a11)
print()
print("数组相乘")
c = a * b
print(c)
print("切片操作[开始:结束:步长]")
print(a[1:3])
print(a[4:1:-1])
print(a[1:4:2])
print()
print("轴的概念:指从0开始的数组的第几个纬度")
d = np.array([[[1, 2], [11, 12], [5, 6]], [[-1, -2], [13, 14], [15, 3]]])
print(d)
print("计算轴对轴1进行聚合")
print(np.sum(d, 1))
print("对数组进行转置")
print(np.transpose(d))
print("数组合并与拆分")
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("数组*3")
print(f1*3)
定义数组 [[-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.] 构造全1数组 [[1. 1. 1. 1.] 构造下三角数组 构造在1-20之间生成7个元素 在1-20之间每7个值生成一个元素 生成一个随机矩阵 按均值为1,标准差为0.5的正太分布生成5个随机数 数组相乘 轴的概念:指从0开始的数组的第几个纬度 [[-1 -2] [[ 2 -2] [[5 6] |