Python中Numpy ndarray的使用详解_Python

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

				?

									>>> import numpy as np

									>>> 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))

									<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

									>>> m

									array([[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])

									>>> 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]])