Python中Numpy ndarray的使用详解

本文主讲python/' target='_blank'>python中Numpy数组的类型、全0全1数组的生成、随机数组、数组操作、矩阵的简单运算、矩阵的数学运算。

尽管可以用Python中list嵌套来模拟矩阵，但使用Numpy库更方便。

定义数组

>>> import numpy as np>>> m = np.array([[1,2,3], [2,3,4]])    #定义矩阵，int64>>> marray([[1, 2, 3],    [2, 3, 4]])>>> m = np.array([[1,2,3], [2,3,4]], dtype=np.float)  #定义矩阵,float64>>> marray([[1., 2., 3.],    [2., 3., 4.]])>>> print(m.dtype)  #数据类型  float64>>> print(m.shape)  #形状2行3列(2, 3)>>> print(m.ndim)   #维数2>>> print(m.size)   #元素个数6>>> print(type(m))<class 'numpy.ndarray'>

还有一些特殊的方法可以定义矩阵

>>> m = np.zeros((2,2))     #全0>>> marray([[0., 0.],    [0., 0.]])>>> print(type(m))        #也是ndarray类型<class 'numpy.ndarray'>>>> m = np.ones((2,2,3))    #全1>>> m = np.full((3,4), 7)    #全为7>>> np.eye(3)          #单位矩阵array([[1., 0., 0.],    [0., 1., 0.],    [0., 0., 1.]])>>> np.arange(20).reshape(4,5)  #生成一个4行5列的数组>>>>>> np.random.random((2,3))    #[0,1)随机数array([[0.51123127, 0.40852721, 0.26159126],    [0.42450279, 0.34763668, 0.06167501]])>>> np.random.randint(1,10,(2,3))  #[1,10)随机整数的2行3列数组array([[5, 4, 9],    [2, 5, 7]])>>> np.random.randn(2,3)       #正态随机分布array([[-0.29538656, -0.50370707, -2.05627716],    [-1.50126655, 0.41884067, 0.67306605]])>>> np.random.choice([10,20,30], (2,3))   #随机选择array([[10, 20, 10],    [30, 10, 20]])>>> np.random.beta(1,10,(2,3))       #贝塔分布array([[0.01588963, 0.12635485, 0.22279098],    [0.08950147, 0.02244569, 0.00953366]])

操作数组

>>> from numpy import *>>> a1=array([1,1,1])  #定义一个数组>>> a2=array([2,2,2])>>> a1+a2        #对于元素相加array([3, 3, 3])>>> a1*2         #乘一个数array([2, 2, 2])##>>> a1=np.array([1,2,3])>>> a1array([1, 2, 3])>>> a1**3       #表示对数组中的每个数做立方array([ 1, 8, 27])##取值，注意的是它是以0为开始坐标，不matlab不同>>> a1[1]2##定义多维数组>>> a3=np.array([[1,2,3],[4,5,6]])>>> a3array([[1, 2, 3],    [4, 5, 6]])>>> a3[0]       #取出第一行的数据array([1, 2, 3])>>> a3[0,0]      #第一行第一个数据1>>> a3[0][0]     #也可用这种方式1>>> a3array([[1, 2, 3],    [4, 5, 6]])>>> a3.sum(axis=0)   #按行相加，列不变array([5, 7, 9])>>> a3.sum(axis=1)   #按列相加，行不变array([ 6, 15])

矩阵的数学运算

关于方阵

>>> m = np.array([[1,2,3], [2,2,3], [2,3,4]])  #定义一个方阵>>> marray([[1, 2, 3],    [2, 2, 3],    [2, 3, 4]])>>> print(np.linalg.det(m))    #求行列式1.0>>> print(np.linalg.inv(m))    #求逆[[-1. 1. 0.] [-2. -2. 3.] [ 2. 1. -2.]]>>> print(np.linalg.eig(m))   #特征值 特征向量(array([ 7.66898014+0.j    , -0.33449007+0.13605817j,    -0.33449007-0.13605817j]), array([[-0.47474371+0.j    , -0.35654645+0.23768904j,    -0.35654645-0.23768904j],    [-0.53664812+0.j    , 0.80607696+0.j    ,     0.80607696-0.j    ],[-0.6975867 +0.j    , -0.38956192-0.12190158j,    -0.38956192+0.12190158j]]))>>> y = np.array([1,2,3])>>> print(np.linalg.solve(m, y))  #解方程组[ 1. 3. -2.]

矩阵乘法

矩阵乘：按照线性代数的乘法

>>> a = np.array([[1,2,3], [2,3,4]])>>> b = np.array([[1,2], [3,4], [5,6]])>>> aarray([[1, 2, 3],    [2, 3, 4]])>>> barray([[1, 2],    [3, 4],    [5, 6]])>>> np.dot(a, b)   #方法一array([[22, 28],    [31, 40]])>>> np.matmul(a,b)  #方法二array([[22, 28],

注：一维数组之间运算时，dot()表示的是内积。

点乘：对应位置相乘

>>> a = np.array([[1,2],[3,4]])>>> b = np.array([[1,1],[2,2]])>>> aarray([[1, 2],    [3, 4]])>>> barray([[1, 1],    [2, 2]])>>> a * b          #方法一array([[1, 2],    [6, 8]])>>> np.multiply(a, b)  #方法二array([[1, 2],    [6, 8]])

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脚本之家。