Python与数据科学实战课程——第二章numpy：数组与矩阵运算
快速创建数组
import numpy as np
#使用random生成随机数组（随机的意思是同一行代码每次运行结果都会不同）
np.random.randn(10) #生成的是长度为10的一维数组，数组的元素符合标准正态分布
array([-2.01407771, -0.77011376, 0.48240321, 0.52711222, 1.87221082,
0.28280583, 0.89647812, -0.07944895, -0.10669309, -0.02220787])
np.random.randint(10) #生成一个随机的int，大小在0-10之间 ，每次运行得到不同的int值
8
np.random.randint(10,size=(2,3)) #其中10定义元素范围，size定义维数
array([[1, 3, 7],
[6, 4, 9]])
np.random.randint(10,size=20)
array([1, 5, 6, 3, 3, 7, 7, 1, 7, 6, 3, 6, 8, 1, 0, 1, 8, 2, 0, 1])
np.random.randint(10,size=20).reshape(4,5) #使用reshape进行重塑
array([[9, 0, 3, 9, 6],
[7, 0, 2, 6, 5],
[8, 7, 2, 6, 6],
[3, 0, 9, 0, 3]])
数组运算
a = np.random.randint(10,size=20).reshape(4,5)
b = np.random.randint(10,size=20).reshape(4,5)
a
array([[6, 9, 2, 9, 0],
[3, 5, 1, 3, 9],
[9, 4, 4, 1, 9],
[3, 1, 1, 2, 9]])
b
array([[5, 9, 6, 3, 9],
[1, 9, 0, 5, 7],
[4, 5, 1, 5, 2],
[1, 7, 3, 3, 1]])
a + b
array([[11, 18, 8, 12, 9],
[ 4, 14, 1, 8, 16],
[13, 9, 5, 6, 11],
[ 4, 8, 4, 5, 10]])
a - b
array([[ 1, 0, -4, 6, -9],
[ 2, -4, 1, -2, 2],
[ 5, -1, 3, -4, 7],
[ 2, -6, -2, -1, 8]])
a * b
array([[30, 81, 12, 27, 0],
[ 3, 45, 0, 15, 63],
[36, 20, 4, 5, 18],
[ 3, 7, 3, 6, 9]])
a / b #报错是因为b中有元素为0，结果中会给出一个 inf 表示无穷大
D:\Anaconda\envs\myPython36\lib\site-packages\ipykernel_launcher.py:1:
RuntimeWarning: divide by zero encountered in true_divide
“”"Entry point for launching an IPython kernel.array([[ 1.2 , 1. , 0.33333333, 3. , 0.
],
[ 3. , 0.55555556, inf, 0.6 , 1.28571429],
[ 2.25 , 0.8 , 4. , 0.2 , 4.5 ],
[ 3. , 0.14285714, 0.33333333, 0.66666667, 9. ]])
矩阵的创建
np.mat([[1,2,3],[4,5,6]])
matrix([[1, 2, 3],
[4, 5, 6]])
a
array([[6, 9, 2, 9, 0],
[3, 5, 1, 3, 9],
[9, 4, 4, 1, 9],
[3, 1, 1, 2, 9]])
np.mat(a) #array可以转换为matrix ，所以之前的创建数组的方法，都可以用来快速创建矩阵，
#只需要创建完以后加一个np.mat()即可
matrix([[6, 9, 2, 9, 0],
[3, 5, 1, 3, 9],
[9, 4, 4, 1, 9],
[3, 1, 1, 2, 9]])
矩阵的运算
A = np.mat(a)
B = np.mat(b)
A
matrix([[6, 9, 2, 9, 0],
[3, 5, 1, 3, 9],
[9, 4, 4, 1, 9],
[3, 1, 1, 2, 9]])
B
matrix([[5, 9, 6, 3, 9],
[1, 9, 0, 5, 7],
[4, 5, 1, 5, 2],
[1, 7, 3, 3, 1]])
A + B #矩阵加法和数组加法相同
matrix([[11, 18, 8, 12, 9],
[ 4, 14, 1, 8, 16],
[13, 9, 5, 6, 11],
[ 4, 8, 4, 5, 10]])
A - B #矩阵减法和数组减法相同
matrix([[ 1, 0, -4, 6, -9],
[ 2, -4, 1, -2, 2],
[ 5, -1, 3, -4, 7],
[ 2, -6, -2, -1, 8]])
A * B #报错因为前面的矩阵列数和后面矩阵的行数不相等导致的
ValueError Traceback (most recent call last)
in 1 A * B
D:\Anaconda\envs\myPython36
\lib\site-packages\numpy\matrixlib\defmatrix.pin mul(self, other)
307 if isinstance(other, (N.ndarray, list, tuple)) :
308 # This promotes 1-D vectors to row vectors
–> 309 return N.dot(self, asmatrix(other))
310 if isscalar(other) or not hasattr(other, ‘rmul’) :
311 return N.dot(self, other)ValueError: shapes (4,5) and (4,5) not aligned: 5 (dim 1) != 4 (dim
0)
a = np.mat(np.random.randint(10,size=20).reshape(4,5))
b = np.mat(np.random.randint(10,size=20).reshape(5,4))
a
matrix([[6, 7, 0, 0, 9],
[8, 0, 4, 7, 8],
[3, 4, 1, 2, 0],
[6, 9, 4, 6, 0]])
b
matrix([[0, 9, 1, 7],
[4, 8, 4, 9],
[6, 2, 2, 8],
[9, 9, 0, 2],
[0, 9, 9, 9]])
a * b
matrix([[ 28, 191, 115, 186],
[ 87, 215, 88, 174],
[ 40, 79, 21, 69],
[114, 188, 50, 167]])
#本课程使用array会多于matrix
array常用函数
a = np.random.randint(10,size=20).reshape(4,5)
np.unique(a) #返回唯一的值。类似于从文本中生成词汇表
array([0, 1, 2, 3, 4, 5, 6, 7, 9])
a
array([[1, 4, 5, 7, 4],
[0, 2, 2, 9, 0],
[7, 4, 5, 1, 6],
[3, 7, 2, 9, 6]])
sum(a) #求和函数返回所有列的和
array([11, 17, 14, 26, 16])
sum(a[0]) #求第一行的和
21
sum(a[:,0]) #求第一列的和 注意细节 行部分的处理
11
a.max() #看array的中最大元素
9
max(a[0]) #看第0行的最大值
7
max(a[:,2]) #看第2列的最大值
5