Numpy简单学习（Spyder）_spyder numpy

1、Numpy创建

A=np.array([[1,2,3],[4,5,6]])
#两行三列的列表
#类型为n维列表

  

Z=np.zeros((3,2))
#3行2列的全0矩阵
Z1=np.zeros([3,5])
#3行5列全0矩阵

  

#全1矩阵
np.ones([3,5])

  

o=np.ones((3,2,3))
#np.ones((行、列、页))

  

可以通过输入np.发现更多创建numpy的函数

2、索引

A[1,2]  #索引从0开始 第二行第三个数字

  3、切片

A[:1,:2]
#结果：array([[1, 2]])  
A[1,:2]
#结果：array([4, 5])   
 
#这两个维度不一样，可以通过shape进行查看

 4.运算

乘法

T=A.T #转置
#有的运算会影响到原矩阵  转置不会影响
 
np.multiply(A,T) #这个会报错  这是算原数对原数 就是要有相同行数和列数 
np.multiply(A,A) #这个可以运行

np.dot(A,T) #这个就是线性代数里面的矩阵乘积（A的每一列和T的每一行乘积）

最大值

A.max(axis=0)
#array([4, 5, 6])  1和4,2和5,3和6
 
#axis是维度的意思
 
A.max(axis=1)
#array([3, 6])  1,2,3相比；4,5,6相比
 
A.max()
#输出最大值6

 

 其它统计函数

 std是标准差；var是方差

同样也可以通过A.查看更多统计函数的使用

5、重排 

A.reshape((3,2))  #重排  默认order='C'
 
A.reshape((3,2),order='F') #列优先
 
A.reshape((3,2),order='C') #行优先

 6、线性代数运算

R=np.random.rand(3,3)
 
np.linalg.det(R)  #线性代数运算行列式
 
r,v=np.linalg.eig(R)  #r是特征根和v是特征向量

 

 可以通过输入np.linalg.查看更多线性代数运算