查看numpy中的array属性

- 查看维度： array.ndim

- 查看大小： array.size

- 查看形状： array.shape

- 查看数组元素的属性：array.dtype

# 查看矩阵的维度

print(array.ndim)

#查看矩阵的形状（行，列）

print(array.shape)

# 查看矩阵的大小

print(array.size)

# 查看矩阵元素的属性

print(array.dtype)

2. 创建 array

• - zeros()： 元素全为0的矩阵
• - ones() ： 元素全为1的矩阵
• - arange()： 左闭右开区间
• - empty() ： 元素接近0，但不为0的矩阵

更改(定义)array中的元素数据类型

import numpy as np

# 创建矩阵，定义矩阵中元素的属性

a= np.array([1,2,3],dtype =np.int32) # 整形数据

print(a.dtype)

import numpy as np

# 创建矩阵，定义矩阵中的元素的属性

b = np.array([1,2,3],dtype = np.float) #浮点型数据

print(b.dtype)

import numpy as np

# 创建一维矩阵，默认元素属性

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

print(c)

print(c.dtype)

创建二维数组

#创建二维矩阵

d=np.array([[1,2,3],

[4,5,6]])

print(d)

创建零矩阵

# 创建一个5*5 的零矩阵

Zero = np.zeros((5,5))

print(Zero)

创建元素全为1 矩阵

#创建4*5的全为1的矩阵

One = np.ones((4,5))

print(One)

创建empty矩阵

# 创建3*2全部接近于0（不等于0）的矩阵

empty = np.empty((3,2))

print(empty)

利用arange()函数

# 利用arange 函数,arange 函数的特点是左闭右开

e = np.arange(10)

print(e)

# 利用arange()创建一维矩阵，随后利用reshape()重新定义矩阵的形状

h = np.arange(12).reshape(4,3)

print(h)

3. 矩阵的运算

• - 矩阵的加法 +
• - 矩阵的减法 -
• - 矩阵的乘法 *
• - 矩阵的除法 /
• - 矩阵的幂运算 **
• - 矩阵的取余 %
• - 矩阵的取整 //
• - 矩阵的逻辑运算
• - 矩阵乘法 np.dot()
• - 矩阵的转置 array.T

示例矩阵：

import numpy as np

arr1 =np.arange(1,7).reshape(2,3)

arr2 = np.array([np.arange(1,4),

np.arange(1,4)])

print(arr1)

print('*------分隔符-------*')

print(arr2)

# 矩阵的加法

print(arr1+arr2)

# 矩阵的减法

print(arr1-arr2)

# 矩阵的乘法

print(arr1*arr2)

# 矩阵的幂运算

print(arr1**arr2)

# 矩阵的除法

print(arr1 / arr2)

# 矩阵的取余

print(arr1%arr2)

# 矩阵的取整

print(arr1//arr2)

# 矩阵的逻辑运算

arr3 = arr1 >3 # 判断矩阵中每个元素

print(arr3)

# 矩阵乘法np.dot()

arr1 = np.arange(1,7).reshape(2,3)

print(arr1)

print('*----------------*')

arr4 = np.arange(1,7).reshape(3,2)

print(arr4)

print('*----------------*')

arr5 = np.dot(arr1,arr4)

print(arr5)

转置矩阵

• a.T == (a= np.transpose(a))

# 转置矩阵

print(arr1)

print('*------------*')

print(arr1.T)

print('*------------*')

print(np.transpose(arr1))

4. 随机数生成以及矩阵的运算

生成随机数

• - np.random 下的几种随机数：

- random(); 生成（0,1）之间的数值

- normal(): 生成标准正态分布的随机数

- randint(): 生成随机整数

• - np.min() ：查看最小元素
• - np.max() ：查看最大元素
• - np.argmin() ： 查看最小元素的对应索引
• - np.argmax() ： 查看最大元素的对应索引
• - np.mean()： 均值
• - np.median() : 中位数
• - np.sqrt() ：开方
• - np.sort() ： 排序
• - np.clib() ：

random.random() 函数

import numpy as np

rand1 = np.random.random((3,2)) # random()生成（0，1）之间的数值

print(rand1)

random.normal()函数

rand2 = np.random.normal(size=(3,2)) # 生成3*2符合标准正态分布的随机数

print(rand2)

random.randint()函数

rand3 = np.random.randint(0,10,size=(3,2)) # 生成3*2的(0,10)的随机整数

print(rand3)

求和函数： np.sum()

# 求和

a = np.sum(rand3)

print(a)

print('*----------------*')

# 对列求和

b=np.sum(rand3, axis = 0)

print(b)

print('*----------------*')

# 对行求和

c= np.sum(rand3,axis = 1)

print(c)

求最小值： np.min()

# 求最小值

np.min(rand3)

求最大值：np.max()

# 求最大值

np.max(rand3)

求最小值元素的索引： np.argmin()

# 最小元素值得索引

np.argmin(rand3)

求最大值元素的索引： np.argmax()

# 最大元素值得索引

np.argmax(rand3)

求均值: np.mean()

# 均值

np.mean(rand3)

求中位数：np.median()

# 中位数

np.median(rand3)

开方: np.sqrt()

# 开方

np.sqrt(rand3)

排序：np.sort()

# 创建随机整数

rand4 = np.random.randint(0,10,size=(1,10))

print(rand4)

# 排序

np.sort(rand4)

np.clip() 函数

# 将小于2的元素变为2，将大于7的元素变为7

np.clip(rand4,2,7)

5.numpy 的索引

import numpy as np

num1 = np.arange(2,14)

print(sum1)

print(num1[2])

print(num1[1:4])

print(num1[2:-1])

print(num1[:5])

print(num1[-2:])

num2 = num1.reshape(3,4)

print(num2)

print('————**————')

print(num2[1])

6 . array 的合并

• - np.vstack(): 垂直合并
• - np.hstack(): 水平合并
• - np.concatenate( ,axis=0): 横向合并
• - np.concatenate( , axis=1): 纵向合并
• - 一维矩阵的转置问题，及解决办法

np.vstack() ：垂直合并

import numpy as np

arr1 = np.array([1,2,3])

arr2 = np.array ([4,5,6])

arr3 = np.vstack((arr1,arr2)) # 垂直合并

print(arr1)

print('***————***')

print(arr2)

print('***————***')

print(arr3)

print(arr3.shape)

np.hstack(): 水平合并

arr4 = np.hstack((arr1,arr2)) # 水平合并

print(arr4)

print(arr4.shape)

np.concatenate()函数

arr_con1 = np.concatenate((arr1,arr2),axis=0) # 横向合并

print(arr_con1)

arr_con2 = np.concatenate(((arr1,arr2),arr3),axis=1) # 纵向合并

print(arr_con2)

一维矩阵不能转置的问题

print(arr1)

print('**---**')

print(arr1.T)

print(arr1.T.shape)

# 一维矩阵不能转置

一维矩阵不能转置的解决办法

arr1_1 = arr1[np.newaxis,:] # 行位置上

print(arr1_1)

print('**-分界线--**')

print(arr1_1.T)

print(arr1_1.shape)

arr1_2 = arr1[:,np.newaxis] # 列位置上

print(arr1_2)

print('**-分界线--**')

print(arr1_2.T)

print(arr1_2.T.shape)

arr1_3 = np.atleast_2d(arr1)

print(arr1_3)

print('**-分界线--**')

print(arr1_3.T)

7. array 的分割

• - np.reshape()
• - np.split( ,axis=1): 水平分割（竖直方向），由于每个人的参照系不同，对这个方向理解可能不太一样
• - np.split( ,axis=0): 垂直分割（水平方向）
• - np.vsplit()： 垂直分割
• - np.hsplit()： 竖直分割
• - 不等分矩阵切割问题： np.array_split():

import numpy as np

arr1 = np.arange(12).reshape(3,4)

print(arr1)

水平分割 : np.split( ,axis=1 )

arr2,arr3 = np.split(arr1,2,axis=1) # 以竖直（列）切割分成2块

print(arr2)

print('**---分割线---**')

print(arr3)

竖直分割: np.split(, axis=0)

arr4,arr5,arr6 = np.split(arr1,3,axis=0) # 以水平（行）切割分成3块

print(arr4)

print('**---分割线---**')

print(arr5)

print('**---分割线---**')

print(arr6)

不等份分割:np.array_split()

# 不等分分割矩阵元素后，在组合成新矩阵

arr7,arr8,arr9 = np.array_split(arr1,3, axis=1)

print(arr7)

print('**---分割线---**')

print(arr8)

print('**---分割线---**')

print(arr9)

垂直分割： np.vsplit()

# 垂直分割

arrv1, arrv2, arrv3 = np.vsplit(arr1,3)

print(arrv1)

print('**---分割线---**')

print(arrv2)

print('**---分割线---**')

print(arrv3)

水平分割： np.hsplit()

# 水平分割

arrh1,arrh2 = np.hsplit(arr1,2)

print(arrh1)

print('**---分割线---**')

print(arrh2)

8. numpy 的浅拷贝与深拷贝

• - 浅拷贝： arr1 = arr2
• - 深拷贝： arr1.copy()

浅拷贝： 发现只改动的arr2中的元素，arr1中的对应位置的元素也发生了相应的变化