numpy使用笔记

numpy基本属性

• array.ndim array的维度
• array.shape array的形状
• array.size array中元素个数
• array.dtype array的数据类型

array = np.array([[1,2,3],[2,3,4]])

print(array)
print(array.ndim)   #维度
print(array.shape)  #形状
print(array.size)   #元素个数
print(array.dtype) #数据类型

output：
array: 
[[1 2 3]
 [2 3 4]]
ndim:  2
shape:  (2, 3)
size:  6
dtype:  int64

numpy生成

• np.array(list) 通过 list 生成一个array
• np.zeros(shape) 生成一个形状为 shape 的全0矩阵
• np.ones(shape) 生成一个形状为 shape 的全1矩阵
• np.arange(begin, end, step) 生成一个 [begin,end) 间隔step 的数列
• np.linspace(begin, end, num=50, endpoint=True) 生成一个 [begin,end] 长度num的等差数列，endpoint = False时不计入end
• array.copy() 生成一个array的复制

a = np.array([2,3,4]) 
b = np.zeros((3,4))   #生成0矩阵,中间为shape
c = np.empty((3,4))   #生成一堆接近0的矩阵
d = np.ones((3,4))    #生成1矩阵
e = np.arrange(0,12,1))  # 开始 结束 步长
f = np.linspace(1,10,5) #开始 结束 生成个数+1

output:
a:
[2 3 4]
b:
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]
d:
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]
e:
[ 0  1  2  3  4  5  6  7  8  9 10 11]
f:
[ 1.    3.25  5.5   7.75 10.  ]

numpy 数组操作

• array.T 将array的转置
• array.reshape(shape) 将array转换为形状为shape的矩阵
• np.concatenate((array1,array2,…), axis=0 ) 将array1、array2按 维度axis 拼接
• np.split(array, num, axis=0) 将array按维度axis 切分成num个
• np.dot(array1,array2) array1和array2做矩阵乘法

array1 = np.array([[1, 2],
                 					  [3, 4]])
array2 = np.array([[5, 6],
            					       [7, 8]])
                   
print(array1.T)
print(array1.reshape((4,1)))
print(np.concatenate((array1, array2), axis=0))
print(np.concatenate((array1, array2), axis=1))
print(np.split(array1, 2, axis=0))
print(np.split(array1, 2, axis=1))
print(np.dot(array1,array2))

output:
array1.T:
[[1 3]
 [2 4]]
array1.reshape:
[[1]
 [2]
 [3]
 [4]]
np.concatenate_axis=0:
[[1 2]
 [3 4]
 [5 6]
 [7 8]]
np.concatenate_axis=1:
[[1 2 5 6]
 [3 4 7 8]]
np.split_axis=0:
[array([[1, 2]]), array([[3, 4]])]
np.split_axis=1:
[array([[1],
      		  [3]]), 
 array([[2],
              [4]])]
np.dot:
[[19 22]
 [43 50]]

numpy.random

均分布：在概率论和统计学中，均匀分布也叫矩形分布，它是对称概率分布，在相同长度间隔的分布概率是等可能的。

• np.random.uniform(low=0, high=1, size=None)
  生成一个形状为size的array，元素均为范围在 [low,high) 均分布浮点数。
• np.random.randint(low, high, size=None)
  生成size 个整数，取值区间为 [low, high) ，若没有输入参数high则取值区间为 [0, low)
• np.random.choice(array, size=None, replace=True, p=None)
  从 array 中选取形状为 size 的矩阵，replace=True表示可重复抽取，p每个数出现的概率矩阵， 若 array 是整数，则 array 代表 arange(array)
• np.random.permutation(array)
  将 array 的第一位索引打乱, 若 array 是整数，则打乱 arange(array)

>>> np.random.uniform()
0.3999807403689315
>>> np.random.uniform(5, 6, size=(2,3))
array([[5.82416021, 5.68916836, 5.89708586],
       [5.63843125, 5.22963754, 5.4319899 ]])

>>> np.random.randint(8)
5
>>> np.random.randint(8, size=(2,2,3))
array([[[4, 7, 0],
        [1, 4, 1]],
        
       [[2, 2, 5],
        [7, 6, 4]]])

>>> np.random.choice(5)
3
>>> np.random.choice([0.2, 0.4], p=[1, 0])
0.2

>>> np.random.permutation(5)
array([1, 2, 3, 0, 4])
>>> np.random.permutation([[1,2,3],[4,5,6]])
array([[4, 5, 6],
       [1, 2, 3]])

numpy&&matplotlib

链接：https://www.runoob.com/numpy/numpy-matplotlib.html