二、基本运算

2.1 + - * / ^：

>>: a=np.array([[1,2], >>                      [2,3]]) >>: b=np.array([[2,3], >>                     [3,4]]) a+b >>array([[3, 5],                [5, 7]]) a*b >>array([[ 2,  6],                [ 6, 12]]) a**2      #平方 >>array([[1, 4],                [4, 9]]) a**3      #三次方 >>array([[ 1,  8],                [ 8, 27]])

2.2 向量乘积

a.dot(b) >>array([[ 8, 11],                [13, 18]]) np.dot(a,b) >>array([[ 8, 11],                [13, 18]])

2.3 随机向量

b=np.random.random((2,3))    #2行3列（0-1）的向量 >>array([[ 0.82625779,  0.25531431,  0.28451412],                [ 0.56141861,  0.05890849,  0.07686475]]) 思考：2行3列（-pi 到 pi）的向量？ numpy random讲解： http://blog.csdn.net/vicdd/article/details/52667709点击打开链接 #非常感谢 vicdd的文章，非常好的文章 #随机向量还可以输出他的sum ，max ，min 如：b.sum, b.max , b.min >>> b = np.arange(12).reshape(3,4) >>> b array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) >>> >>> b.sum(axis=0) # sum of each column array([12, 15, 18, 21]) >>> >>> b.min(axis=1) # min of each row array([0, 4, 8]) >>> >>> b.cumsum(axis=1) # cumulative sum along each row array([[ 0, 1, 3, 6], [ 4, 9, 15, 22], [ 8, 17, 27, 38]]) 希望大家把这个例子牢记

2.4 内置方法

>>> B = np.arange(3) >>> B array([0, 1, 2]) >>> np.exp(B) #指数 array([ 1. , 2.71828183, 7.3890561 ]) >>> np.sqrt(B) array([ 0. , 1. , 1.41421356]) >>> C = np.array([2., -1., 4.]) >>> np.add(B, C) array([ 2., 0., 6.])

2.5 切片

#感谢梁左嘉懿 非常好的文章 http://blog.csdn.net/liangzuojiayi/article/details/51534164 点击打开链接 学习要不断的横向和纵向的扩展，不要怕花时间 下章有关numpy的学习，我会在最后贴出一些函数，希望你能点进去学习