Numpy

通过观察Python的自有数据类型，我们可以发现Python原生并不提供多维数组的操作，那么为了处理矩阵，就需要使用第三方提供的相关的包。

NumPy 是一个非常优秀的提供矩阵操作的包。NumPy的主要目标，就是提供多维数组，从而实现矩阵操作。

NumPy's main object is the homogeneous multidimensional array. It is a table of elements (usually numbers), all of the same type, indexed by a tuple of positive integers. In NumPy dimensions are called axes.

基本操作

######################################## 创建矩阵#######################################from numpy import array as matrix, arange# 创建矩阵a = arange(15).reshape(3,5)a# Out[10]:# array([[0., 0., 0., 0., 0.],# [0., 0., 0., 0., 0.],# [0., 0., 0., 0., 0.]])b = matrix([2,2])b# Out[33]: array([2, 2])c = matrix([[1,2,3,4,5,6],[7,8,9,10,11,12]], dtype=int)c # Out[40]:# array([[ 1, 2, 3, 4, 5, 6],# [ 7, 8, 9, 10, 11, 12]])######################################## 创建特殊矩阵#######################################from numpy import zeros, ones,emptyz = zeros((3,4))z# Out[43]:# array([[0., 0., 0., 0.],# [0., 0., 0., 0.],# [0., 0., 0., 0.]])o = ones((3,4))o# Out[46]:# array([[1., 1., 1., 1.],# [1., 1., 1., 1.],# [1., 1., 1., 1.]])e = empty((3,4))e# Out[47]:# array([[0., 0., 0., 0.],# [0., 0., 0., 0.],# [0., 0., 0., 0.]]) ######################################## 矩阵数学运算#######################################from numpy import array as matrix, arangea = arange(9).reshape(3,3)a# Out[10]:# array([[0, 1, 2],# [3, 4, 5],# [6, 7, 8]])b = arange(3)b# Out[14]: array([0, 1, 2])a + b# Out[12]:# array([[ 0, 2, 4],# [ 3, 5, 7],# [ 6, 8, 10]])a - b# array([[0, 0, 0],# [3, 3, 3],# [6, 6, 6]])a * b# Out[11]:# array([[ 0, 1, 4],# [ 0, 4, 10],# [ 0, 7, 16]])a < 5# Out[12]:# array([[ True, True, True],# [ True, True, False],# [False, False, False]])a ** 2# Out[13]:# array([[ 0, 1, 4],# [ 9, 16, 25],# [36, 49, 64]], dtype=int32)a += 3a# Out[17]:# array([[ 3, 4, 5],# [ 6, 7, 8],# [ 9, 10, 11]]) ######################################## 矩阵内置操作#######################################from numpy import array as matrix, arangea = arange(9).reshape(3,3)a# Out[10]:# array([[0, 1, 2],# [3, 4, 5],# [6, 7, 8]])a.max()# Out[23]: 8a.min()# Out[24]: 0a.sum()# Out[25]: 36 ######################################## 矩阵索引、拆分、遍历#######################################from numpy import array as matrix, arangea = arange(25).reshape(5,5)a# Out[9]:# array([[ 0, 1, 2, 3, 4],# [ 5, 6, 7, 8, 9],# [10, 11, 12, 13, 14],# [15, 16, 17, 18, 19],# [20, 21, 22, 23, 24]])a[2,3] # 取第3行第4列的元素# Out[3]: 13a[0:3,3] # 取第1到3行第4列的元素# Out[4]: array([ 3, 8, 13])a[:,2] # 取所有第二列元素# Out[7]: array([ 2, 7, 12, 17, 22])a[0:3,:] # 取第1到3行的所有列# Out[8]:# array([[ 0, 1, 2, 3, 4],# [ 5, 6, 7, 8, 9],# [10, 11, 12, 13, 14]])a[-1] # 取最后一行# Out[10]: array([20, 21, 22, 23, 24])for row in a: # 逐行迭代 print(row)# [0 1 2 3 4]# [5 6 7 8 9]# [10 11 12 13 14]# [15 16 17 18 19]# [20 21 22 23 24]for element in a.flat: # 逐元素迭代，从左到右，从上到下 print(element)# 0# 1# 2# 3# ... ######################################## 改变矩阵#######################################from numpy import array as matrix, arangeb = arange(20).reshape(5,4)b# Out[18]:# array([[ 0, 1, 2, 3],# [ 4, 5, 6, 7],# [ 8, 9, 10, 11],# [12, 13, 14, 15],# [16, 17, 18, 19]])b.ravel()# Out[16]:# array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,# 17, 18, 19])b.reshape(4,5)# Out[17]:# array([[ 0, 1, 2, 3, 4],# [ 5, 6, 7, 8, 9],# [10, 11, 12, 13, 14],# [15, 16, 17, 18, 19]])b.T # reshape 方法不改变原矩阵的值，所以需要使用 .T 来获取改变后的值# Out[19]:# array([[ 0, 4, 8, 12, 16],# [ 1, 5, 9, 13, 17],# [ 2, 6, 10, 14, 18],# [ 3, 7, 11, 15, 19]]) ######################################## 合并矩阵#######################################from numpy import array as matrix,newaxisimport numpy as npd1 = np.floor(10*np.random.random((2,2)))d2 = np.floor(10*np.random.random((2,2)))d1# Out[7]:# array([[1., 0.],# [9., 7.]])d2# Out[9]:# array([[0., 0.],# [8., 9.]])np.vstack((d1,d2)) # 按列合并# Out[10]:# array([[1., 0.],# [9., 7.],# [0., 0.],# [8., 9.]])np.hstack((d1,d2)) # 按行合并# Out[11]:# array([[1., 0., 0., 0.],# [9., 7., 8., 9.]])np.column_stack((d1,d2)) # 按列合并# Out[13]:# array([[1., 0., 0., 0.],# [9., 7., 8., 9.]])c1 = np.array([11,12])c2 = np.array([21,22])np.column_stack((c1,c2))# Out[14]:# array([[11, 21],# [12, 22]])c1[:,newaxis] # 添加一个“空”列# Out[18]:# array([[11],# [12]])np.hstack((c1,c2))# Out[27]: array([11, 12, 21, 22])np.hstack((c1[:,newaxis],c2[:,newaxis]))# Out[28]:# array([[11, 21],# [12, 22]])

参考

1.NumPy官方文档

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。