Python中Numpy ndarray的使用详解

2023-08-23 01:57:04 175

本文主讲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

>>>importnumpyasnp
>>>m=np.array([[1,2,3],[2,3,4]])#定义矩阵，int64
>>>m
array([[1,2,3],
[2,3,4]])
>>>m=np.array([[1,2,3],[2,3,4]],dtype=np.float)#定义矩阵,float64
>>>m
array([[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))

还有一些特殊的方法可以定义矩阵

>>>m=np.zeros((2,2))#全0
>>>m
array([[0.,0.],
[0.,0.]])
>>>print(type(m))#也是ndarray类型

>>>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

>>>fromnumpyimport*
>>>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])
>>>a1
array([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]])
>>>a3
array([[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
>>>a3
array([[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
>>>m
array([[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]])
>>>a
array([[1,2,3],
[2,3,4]])
>>>b
array([[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]])
>>>a
array([[1,2],
[3,4]])
>>>b
array([[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毛票票。

声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。

Python中Numpy ndarray的使用详解

热门推荐

随机推荐