标签：运算 Python data 元素 矩阵 数组 配图 numpy 初始

导入相关包模块

import numpy as np

 

1.一维数组

创建数组

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

 

 

初始化数组

在对数组初始化时，Numpy提供了几种初始化方法，

ones(): 初始元素为1的数组
zeros():初始元素为0的数组
random.random():初始元素为随机数的数组

 

 

数组运算

在开始对数组运算之前，我们需要创建两个示例数组

 

 下面开始对数组做运算

# 按位置对元素做相加
data + one
[2, 3]

 

 除了加法外，数组与数组之间，我们还可以做其他运算。加减乘除。

 

 

不仅如此，在对数组和某个值做运算时，也是可以的。

 

 

 数组索引

 

 

我们可以像对list()列表切片那样处理Numpy数组。具体请看下图。

 

 

 

很强大有木有！！！为了做更好对比，可以看下列表的切片。

data = [1, 2, 3]
data[0]# 输出1
data[1] # 输出2 
data[0,2] # 输出[1, 2]
data[1:] # 输出[2, 3]

数组聚合

这里就简单介绍了max(), min(), sum()，当然了还有其他的聚合方法，如平均，方差等等。

 

 

2. 二维数组(矩阵)

像一维简单数组那样，我们还是先学会创建简单二维数组。

 创建矩阵

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

 

 初始化矩阵

ones(): 初始元素为1的数组
zeros():初始元素为0的数组
random.random():初始元素为随机数的数组

 

 

矩阵运算

同样也是支持简单的四则运算，这里就以加法为例。其他运算也是同理，按位置做运算。

 

 

 

当不同维度数组运算时，

 

 

点积运算。

 

 

当我们需要做点积运算时，总会有很多迷茫之处，不要紧这里给更加详细的图解。

 

 

 矩阵索引

# 创建一个三行二列矩阵
np.array([[1,2],[3,4],[5,6]])

矩阵聚合

基本与一维数组算法是一致的。

 

 

我们还可以通过参数axis实现按行或列聚合。axis=0：按行，axis=1：按列。

 

 

 

反转矩阵

 

 

矩阵重构

 

 

 

更多请参考原文：

https://mp.weixin.qq.com/s?__biz=Mzg3OTExODI3OA==&mid=2247484110&idx=1&sn=1e4e90d7cbf6eef6660df980503b054e&chksm=cf081067f87f99717ceb11245da4aee971fa59556d4ac7dc347090ad1c9ff785d596508c3df1&token=281644680&lang=zh_CN#rd

 

标签：运算,Python,data,元素,矩阵,数组,配图,numpy,初始
来源： https://www.cnblogs.com/wmzhong/p/14528598.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。