NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。是在学习机器学习、深度学习之前应该掌握的一个非常基本且实用的Python库。
导入库，创建数组
import numpy as np
a = np.arraya = np.array([0, 1, 2, 3, 4] ) #使用array函数
a = np.array([[11, 12, 13, 14, 15],
[16, 17, 18, 19, 20],
[21, 22, 23, 24, 25],
[26, 27, 28 ,29, 30],
[31, 32, 33, 34, 35]]) #创建多维数组
a=np.zeros((2, 3)) #创建两行三列的0填充的矩阵，ones(shape)则是创建1填充的，np.full((m,n)8) m行n列的全部是8的参数
a=np.linspace(1., 4., 6) #创建1到4之间，共6个元素的等值间距的数组
a=np.arange(起，止，步长) #创建 从起到至，按步长排列的数组
a= np.indices((3,3)) #创建一个堆叠的更高维度的数组
a=np.mat() #创建矩阵，array只能从列表中生成，而mat可以从字符串或者列表中生成，比如mat（"1,2;3,4"）,而array（[1,2,3,4]），mat是矩阵、array是数组（假矩阵）
基本操作符
np中矩阵之间加减乘除是对应元素的+、-、*、/， 【注】一个数组加一个整数，则是对该数组每个元素加该整数，这个过程成为数组的广播，如果阶数不同则是每行与每行对应相乘。
mat的矩阵若是使用*则是矩阵相乘，而非对应元素相乘
其他的计算函数：
- multiply(),数组或矩阵对应位置相乘
- dot()函数，a.dot(b)表示ab矩阵相乘，数学上的相乘。
- sum() #求和，可使用axis限定方向，0为纵向，1为横向。[[...],[...],[...]]这样横着放求得时候他也会默认为二维方阵，最后结果是[...]
- min() #找出最小的元素
- max() #找出最大的元素
- mean() #返回均值
- std() #返回标准方差
- var() #返回方差
- cumprod() #原数组该位置的前几项元素乘 （累乘数组），可以使用axis指定方向，0表示纵向，1表示横向，默认横向
- cumsum() #原数组该位置的前几项元素和 （累加数组）
- ptp() #返回最大值减去最小值
np的索引和切片
import numpy as np data = np.arange(12).reshape((3, 4)) print(data) ##对数组元素进行索引和切片 # 1. 取第一行的数据 print(data[0]) # 2. 取第一列的数据 print(data.T[0]) print(data[:, 1]) #3. 获取多行 print(data[:2]) # 4. 获取多行列 print(data.T[:2]) print(data[:, :2]) # 5. 获取指定行的前几列; print(data) print(data[[0,2], :2]) print(data[:2, [0,2]])
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。