numpy是用于处理矩阵运算非常好的工具。执行效率高，因为其底层是用的是C语句
使用numpy,需要将数据转换成numpy能识别的矩阵格式。
基本用法:
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
名称描述
- object数组或嵌套的数列
- dtype数组元素的数据类型，可选，例如：int64,int16,int32,float64等，位数越高，精度越高，但也更耗内存。
- copy对象是否需要复制，可选
- order创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
- subok默认返回一个与基类类型一致的数组
- ndmin指定生成数组的最小维度。几维数组，默认0维数组
创建numpy矩阵的其他形式
- np.zeros((3,4)):创建3行4列值都为0矩阵
- np.ones((3,4)):创建3行4列值都为1矩阵
- np.random.random((3,4)):创建3行4列值为0~1随机数
- np.arange(1,20,5).shape(3,4):创建3行4列维数组，数值从1到20，步长为5
- np.arange(5) : 创建1维数组，数值从0至4
- np.empty（（3，4））：创建3行4列值为空的矩阵
- np.linspace(1,10,10)：创建1维数组，开始点为 1 ，终止点为 10，数列个数为 10。即元素共10个.[1,2,3,4,5,6,7,8,9.10]
np.sin(a),即计算该矩阵值的sin结果
np.cos(a)
np.tan(a)
arcsin，arccos，和 arctan 函数返回给定角度的 sin，cos 和 tan 的反三角函数。
矩阵a,矩阵b
a+b，代表逐一加法
a/b，代表逐一除法
a-b，代表逐一减法
a*b，代表逐一乘积
- np.dot(a,b),a.dot(b）则代表矩阵乘法
- np.argmin(a),最小值的索引
- np.argmax（a）,最大值的索引
- mean[a]平均值
- A.mean平均值，只是表达形式不一样，与老版的average是一样的功能
- median(A),中位数，与平均值一样的数
- cumsum(A),第两位数的累加，变成一个一维数组
- diff(A),每两个数进行减法，按行，原行-1
- notzero（A），返回两个arrage，表示不为0的索引值
- sort(A),按行从小到大排序
- transpose(A),矩阵的反向、向转等同于A.T，
- clip(A,3,9),所有小于3的值，变成3，所有大于9的值，变成9
索引
- A[1]第一行
- A[1][1]第1行第1列
- A[1,1]第1行第1列，与上面一样只是表达形式不一样
- A[2,:]第2行所有的数据
- A[:,2]第2列所有的数据
- A[1,1:2]第1行，从第1列到第2列的数据
遍历
for row in A:
print row
默认迭代行数显示行。
np没有提供按列迭代，需要用些手段，例如将矩阵进行反转遍历即可实现
for column in A.T:
print colum
如果要迭代其项目，则A需要转换成一行序列
for item in A.flag:
print item
另注意A.flatten()返回的也是一个序列，与flag类似。功能一样
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。