[Python知识库]numpy中的简单操作

numpy中的简单操作

创建矩阵a

import numpy as np
a = np.array([1,2,3])
a

array([1, 2, 3])

求矩阵最大值

a1 = data.max()
a1

3

创建shape(3,)全为0的矩阵

b = np.zeros(3)
b

array([0., 0., 0.])

创建shape(4,)的随机矩阵

c = np.random.random(4)
c

array([0.53161082, 0.52909233, 0.90536492, 0.4952223 ])

简单加法

a2 = a + b
a2

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

简单乘法

a3 = a * b
a3

array([0., 0., 0.])

广播机制
当两个数组的形状并不相同的时候，我们可以通过扩展数组的方法来实现相加、相减、相乘等操作，这种机制叫做广播（broadcasting）。
广播的原则：如果两个数组的后缘维度（trailing dimension，即从末尾开始算起的维度）的轴长度相符，或其中的一方的长度为1，则认为它们是广播兼容的。广播会在缺失和（或）长度为1的维度上进行。这句话乃是理解广播的核心。广播主要发生在两种情况，一种是两个数组的维数不相等，但是它们的后缘维度的轴长相符，另外一种是有一方的长度为1。

#广播机制
d1 = np.array([[0, 0, 0],[1, 1, 1],[2, 2, 2], [3, 3, 3]]) #shape = (4,3)
d2 = np.array([1, 2, 3])    #shape = (3,)
d_sum = d1 + d2
d_sum

array([[1, 2, 3],
       [2, 3, 4],
       [3, 4, 5],
       [4, 5, 6]])

#广播机制
d3 =np.array([1, 2,])    #shape = (2,)
d4 =np.array([[1,10],[100,1000],[10000,100000]]) #shape = (3,2)
d5 = d3 * d4
d5

array([[     1,     20],
       [   100,   2000],
       [ 10000, 200000]])

矩阵的索引切片
使用 i:j 的形式来表示从索引 i 到 j（不包含j）的这个区间内的元素
使用 i:j:k 的形式来表示从索引 i 到 j（不包含j）的这个区间内的元素，当k为正整数时，表示每k个取一次，当k为负整数的时候，表示每k个取一次，但是时倒着取
其中，i、j、k 三个位置的数字均可以省略:
i省略表示从第一个元素开始
j省略表示最后一个元素结束
i和j同时省略则表示所有元素，也就不存在从小索引到大索引还是从大索引到小索引的区别了
k省略表示步长为1，正向取值，但当k值也省略的时候，第二个冒号也就没有必要写了，于是又回到了第二个使用 i:j 表示区间的形式

#切片索引
e = np.array([[1,1,1],[2,2,2],[3,3,3],[4,4,4]])
e1 = e[0:4:2]
e1

array([[1, 1, 1],
       [3, 3, 3]])

#切片索引
e2 = e[0,0:4]
e2

array([1, 1, 1])

使用 axis 参数进行矩阵聚合
如果axis=0，则沿着纵轴进行操作，若axis=1则沿着横轴进行操作。但是这只是仅仅对于二维数组而言。但是可以总结为一句话：设axis=i ,则numpy沿着第i个下标变化的方向进行操作，

#聚合
f = np.array([[1,2],[3,4],[5,6]])
f1 = f.sum(axis=0)
f1

array([ 9, 12])

转置

f2 = f.T
f2

array([[1, 3, 5],
       [2, 4, 6]])

创建高维数组

#高维数组
data = np.array([[[1,2],[3,4]],[[5,6],[7,8]]])
data

array([[[1, 2],
        [3, 4]],

       [[5, 6],
        [7, 8]]])