numpy學習總結

numpy用法

導入：import numpy as np
生成矩陣：array = np.array([[1,2,3],[4,5,6]])
矩陣維度：array.ndim
矩陣形狀：array.shape
矩陣大小：array.size
矩陣元素類型：array.dtype

建立array

a = np.array([1,2,3], dtype=np.int32)
dtype：指定數據類型
矩陣維度：建立時方括號的層數表明矩陣的維度

經常使用用法

zero = np.zeros((2, 3)) 生成兩行三列全爲0的矩陣
one = np.empty((2, 3)) 生成兩行三列全爲1的矩陣
empty = np.empty((3, 2)) 生成三行兩列全爲接近於0但不是0的矩陣
e = np.arange(10) 此種用法與python中的range相似
h = np.arange(10).reshape(2, 4) 從新定義矩陣的形狀

矩陣操做(要求：兩個矩陣形狀相同)

arr1：矩陣1
arr2：矩陣2
加法：arr1 + arr2 按位相加
減法：arr1 - arr2 按位相減
乘法：arr1 * arr2 按位相乘
求冪：arr1 ** arr2 ****按位操做****
除法：arr1 / arr2 按位相除
取餘：arr1 % arr2 按位取餘
取整：arr1 // arr2 按位取整
與數的操做：arr1 + 2 矩陣中的每位都與2操做
比較操做：arr1 > 3 判斷矩陣中那些元素大於3，返回一個布爾型的矩陣

矩陣運算(根據線性代數中的矩陣操做進行加減乘除)

arr1：矩陣1
arr2：矩陣2
矩陣乘法：np.dot(arr1, arr2)/arr1.dot(arr2)
轉置矩陣：arr1.T/np.transpose(arr1)
numpy中生成隨機數
arr1 = np.random.random((3, 2)) 生成三行兩列從0-1的隨機數
arr2 = np.random.normal(size=(3, 2)) 生成三行兩列符合標準正態分佈的隨機數
arr3 = np.random.randint((0, 10, size=(3, 2))) 生成三行兩列0-10的隨機整數
單個矩陣求和：np.sum(arr1)
單個矩陣對列求和：np.sum(arr1, axis=0)
單個矩陣對行求和：np.sum(arr1, axis=1)
單個矩陣中求最大/最小值：np.max(arr1)/np.min(arr1)
求某個矩陣中最小值/最大值的索引：np.argmin(arr1)/np.argmax(arr1)
求矩陣的平均值：np.mean(arr1)/arr1.mean()
求矩陣中位數：np.median(arr1)
矩陣開方：np.sqrt(arr1)
矩陣排序：np.sort(arr1) ****對每行進行排序****
np.clip(arr1, 2, 7)：對於arr1中的元素小於2就變成2，大於7就變成7

numpy索引

a = np.arange(2, 14)：與python索引相似，用法可參照python中list用法
多維矩陣：
a[i]:表示第i+1行
a[i][j]:表示第i+1行第j+1列
a[:,j]:表示第j+1列
迭代行

for i in a:
    print(i)

迭代列

for i in a.T:
    print(i)

迭代元素

for i in a.flat:
    print(i)

array合併

垂直合併：np.vstack((arr1, arr2))
水平合併：np.hstack((arr1, arr2))
np.concatenate((arr1, arr2),axis=0):可自主指定合併方式，合併的array維度要相同，參數axis=0時縱向合併，參數axis=1時橫向合併。
一維array增長一個維度：np.newaxis
實例：

arr1 = np.arange(1,4)
arr1_2 = arr1[:,np.newaxis]
arr1_2變成三行一列
arr1_3 = arr1[np.newaxis,:]
arr1_3變成一行三列

np.atleast_2d(arr)/np.atleast_3d(arr):判斷arr是否最少爲二維/三維array，若是不是轉換成arr[np.newaxis,:]這種形式

array分割

np.split(arr, 2, axis=1)：按列分割，分紅兩份
np.split(arr, 3, axis=0)：按行分割，分紅三份
np.array_split(arr, 2, axis=1)：按列分割，分紅兩份，不等分割
np.array_split(arr, 3, axis=0)：按行分割，分紅三份，不等分割
np.vsplit(arr, 3)：按行分割
np.hsplit(arr, 2)：按列分割

numpy的淺拷貝和深拷貝

淺拷貝：相似值引用，指向同一塊內存地址，只要一個改變你們都會改變
深拷貝：arr.copy() 從新開闢一塊內存空間，幾者之間互不影響