numpy python2_Python数据分析-（2）numpy,python,2numpy,初识

逃离我推掉我的手 2022-10-25 05:55 149阅读 0赞

一、 numpy 矩阵

numpy(Numerical python)是python语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库

numpy : 计算模块； 主要有两种数据类型：数组、 矩阵

特点： 运算快

【】 + 【】

import numpy as np

1、numpy创建矩阵

mat1 = np.mat("1 2 3; 2 3 4; 1 2 3")

print(mat1)

print(type(mat1))

\[\[1 2 3\]

\[2 3 4\]

\[1 2 3\]\]

mat2 = np.mat("1 2;2 3;2 2")

print(mat2)

\[\[1 2\]

\[2 3\]

\[2 2\]\]

mat3 = np.mat("1 2 2; 2 2 4; 1 1 2")

print(mat3)

\[\[1 2 2\]

\[2 2 4\]

\[1 1 2\]\]

矩阵计算

print('矩阵加法运算：\\n', mat1+mat3 )

矩阵加法运算：

\[\[2 4 5\]

\[4 5 8\]

\[2 3 5\]\]

print('矩阵乘法：\\n', mat1\*mat2)

矩阵乘法：

\[\[11 14\]

\[16 21\]

\[11 14\]\]

print('矩阵转置：\\n', mat1.T)

矩阵转置：

\[\[1 2 1\]

\[2 3 2\]

\[3 4 3\]\]

mat4 = np.mat("1 0 0; 0 4 0; 0 0 6")

print('逆矩阵：\\n', mat4.I)

逆矩阵：

\[\[1. 0. 0. \]

\[0. 0.25 0. \]

\[0. 0. 0.16666667\]\]

print('矩阵数乘：\\n', 4 \* mat4)

矩阵数乘：

\[\[ 4 0 0\]

\[ 0 16 0\]

\[ 0 0 24\]\]

print('对应元素相乘的运算：\\n', np.multiply(mat1, mat3))

对应元素相乘的运算：

\[\[ 1 4 6\]

\[ 4 6 16\]

\[ 1 2 6\]\]

二、矩阵属性

print('矩阵的结构：\\n', mat1.shape)

矩阵的结构：

(3, 3)

print('矩阵的元素个数：\\n', mat1.size)

矩阵的元素个数：

print('矩阵元素类型：\\n', mat1.dtype)

矩阵元素类型：

int32

print('矩阵的维度：\\n', mat1.ndim)

矩阵的维度：

三、数组的创建

数组的所有运算都是对应元素的运算；

数组的创建

\#一维的数组

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

print(arr1)

print(type(arr1))

\[1 2 3 4\]

\#二维的数组：

arr2 = np.array(\[\[1, 2, 3\],\[0, 1, 2\],\[2, 3, 1\]\])

print(arr2)

\[\[1 2 3\]

\[0 1 2\]

\[2 3 1\]\]

\#列向量类型的数组：

arr3 = np.array(\[\[1\], \[2\],\[3\],\[4\]\])

print(arr3)

\[\[1\]

\[2\]

\[3\]

\[4\]\]

数组的属性

print('一维数组结构：\\n', arr1.shape)

print('二维数组结构：\\n', arr2.shape)

一维数组结构：

(4,)

二维数组结构：

(3, 3)

print('一维数组的元素个数：\\n', arr1.size)

print('二维数组的元素个数：\\n', arr2.size)

数组的元素个数：

print('一维数组元素的类型：\\n', arr1.dtype)

print('二维数组元素类型：\\n', arr1.dtype)

元素的类型：

int32

二维元素类型：

int32

print('一维数组的维度：\\n', arr1.ndim)

print('二维数组的维度：\\n', arr2.ndim)

一维数组的维度：

二维数组的维度：

3.数组的索引

\# (1)一维数组的索引：

arr1\[::-1\]

array(\[4, 3, 2, 1\])

\# (2)二维数组的切片

print(arr2)

\# arr2\[行切片, 列切片\]

arr2\[1, 2\]

arr2\[:2, 0:2\]

\[\[1 2 3\]

\[0 1 2\]

\[2 3 1\]\]

array(\[\[1, 2\],

\[0, 1\]\])

\# (3)不同行不同列的切片

arr2\[(0,1,2),(0,1,2)\]

array(\[1, 1, 1\])

arr2\[(1,0,1),(0,1,2)\]

array(\[0, 2, 2\])

arr2

array(\[\[1, 2, 3\],

\[0, 1, 2\],

\[2, 3, 1\]\])

\#(5)bool取值\# ： 不要行列同时传入bool值，只在行的位置或列的位置传入即可；

mask = np.array(\[1, 0, 1\], dtype=np.bool )

print(mask)

\[ True False True\]

arr2\[mask, :2\]

array(\[\[1, 2\],

\[2, 3\]\])

arr2\[:2, mask\]

array(\[\[1, 3\],

\[0, 2\]\])

arr2\[mask, mask\]

array(\[1, 1\])

\#练习

arr5 = np.array(\[1, 6, 3, 4, 5\])

mask = np.array(\[0,1,0,1,1\], dtype=np.bool)

arr5\[mask\]

array(\[6, 4, 5\])

numpy python2_Python数据分析-（2）numpy,python,2numpy,初识

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

相关 1.2 python-NumPy 数据类型

相关 2. 初识Python脚本

相关 numpy python2_Python数据分析-（2）numpy,python,2numpy,初识

相关 Python数据分析--numpy总结

相关矩阵的用法Python numpy学习（2）

相关【Python-数据分析-numpy】numpy基本简介&数据类型

相关 centos python2.7安装numpy

相关 NumPy1.2: numpy中的数据类型

相关 Python笔记--numpy总结(2)

相关 numpy模块（2）