话不多说直接上代码（直接Ctrl+C&V过去就可以运行）
numpy基础操作 #!/usr/bin/env python #coding:utf-8 import numpy as np array = np.array([[1,2,3],[4,5,6]]) print(array) print('维度：',array.ndim) #有几行 print('类型：',array.shape) #(2, 3) 有几行，几列 print('size:',array.size) #总数大小 a = np.array([2,3,4], dtype=np.int64) #定义类型 int64 print(a.dtype) a = np.zeros((3,4)) #定义一个三行四列的矩阵，里面的只全部为0 a = np.ones((3,4)) #生成一个三行四列的矩阵，值为1 a = np.empty((3,4)) #生成一个三行四列的矩阵，值接近为0 a = np.arange(1,10,2) #生成一个从1-9 步长为2的矩阵 a = np.arange(10) #生成一个从0-9 的矩阵 a = np.arange(12).reshape(3,4) #生成一个3行4列的数列 a = np.linspace(1,10,20) #生成一个1-10之间的20段线段数列 a = np.linspace(1,10,6).reshape(2,3) #生成一个1-10之间2行3列的6段线段 a = np.array([10,20,30,40]) b = np.arange(4) #生成一个0-3之间四个数的矩阵,即0-3四个数组成的矩阵 print(a,b) #打印两个矩阵 print(a+b) #矩阵相加 print(a-b) #矩阵相减 print(a*b) #矩阵相乘 print(a**b) #矩阵乘方2.numpy矩阵运算
c = np.sin(a)*10 #对a中每个值取sin, 再乘10, con, tan都是这样的 print(c) print(b<3) #判断b中每个数据是不是小于3, [ True True True False] a = np.array([[1,2],[3,4]]) b = np.arange(4).reshape(2,2) print(a,b) print(a*b) #矩阵a和矩阵b中的每个值相乘, 相乘之后的数值组成的一个矩阵 print(np.dot(a,b)) #矩阵与矩阵相乘,第一个矩阵的列等于第二个矩阵的行 print(a.dot(b)) #跟上面的结果是一样的 a = np.random.random((2,4)) #在0-1之间随机生成一个2行4列的一个矩阵 print(a) print(np.sum(a)) #矩阵里数值求和 print('###############################') print(np.sum(a,axis=1)) #矩阵里每行的求和 print(np.sum(a,axis=0)) #矩阵里每列的求和 print(np.min(a)) #矩阵里最小值 print(np.min(a,axis=1)) #矩阵里每行最小值 print(np.min(a,axis=0)) #矩阵里每列最小值 print(np.max(a)) #矩阵里最大值 print(np.max(a,axis=1)) #矩阵里每行最大值 print(np.max(a,axis=0)) #矩阵里每列最大值 A = np.arange(1,13).reshape(3,4) #在1-13这12个数中，分成3行4列 print(A) print(np.argmin(A)) #求矩阵中最小值的索引 0 print(np.argmax(A)) #求矩阵中最大值的索引 11 print(np.mean(A)) #求矩阵中平均值 print(A.mean()) #求矩阵中平均值 print(np.median(A)) #求矩阵中中位数 print(np.cumsum(A)) #矩阵中数值累加，第一个为第一个的值，第二个为前两个值的和，第三个为前三个的和。。。 print(np.diff(A)) #矩阵中数值累差, 后面减前面一个的差 print(np.nonzero(A)) #找出矩阵中非0的数, 结果输出两个array, 第一个为行，第二个为列 A = np.arange(13,1,-1).reshape(3,4) print(A) print(np.sort(A)) #逐行从小到大排序 print(np.transpose(A)) #矩阵行列变换 print(A.T) #矩阵行列变换，上面的简写 print((A.T).dot(A)) #行列变换之后的矩阵再和以前的矩阵相乘 print(np.clip(A,5,10)) #矩阵小于5的等于5, 大于10的等于10, 只保留中间部分 print(np.mean(A,axis=1)) #矩阵中对行计算平均值，axis=0是对列计算平均值3.numpy矩阵索引切片
A = np.arange(1,13) print(A) print(A[3]) #根据矩阵索引获取值，从0开始的 A = np.arange(1,13).reshape(3,4) print(A) print(A[2]) #打印出第二行数据（从0开始数） print(A[2][3]) #找出矩阵第2行第3列 print(A[2,3]) #找出矩阵第2行第3列 print(A[:,:]) #矩阵所有行所有列 print(A[:,1]) #矩阵第2列所有数 print(A[1,:]) #矩阵第2行所有数 print(A[1,2:]) #矩阵第一行第三个列及其以后的数 for row in A: print(row) #迭代每一行 for column in A.T: #想迭代列先行列变换，将列变行，再迭代 print(column) print(A.flatten()) #将三行四列的一个矩阵里的值重新放到一个新的矩阵中 for item in A.flat: #A.flat返回一个可迭代对象 print(item)4.矩阵变换
这里写代码A = np.array([1,1,1]) B = np.array([2,2,2]) C = np.vstack((A,B)) #将两个序列上下合并成一个矩阵 # C = np.hstack((A,B)) #将两个序列左右合并，变成一个序列 print(C) print(A[np.newaxis,:]) #将A加一个维度，从一个序列变成由一行组成的矩阵 print(A[:,np.newaxis]) #将A加一个维度，从一个序列变成由一列组成的矩阵 A = A[np.newaxis,:] #将A, B 分别加一个维度 B = B[np.newaxis,:] print('A,B:',A,B) C = np.vstack((A,B)) #将两个矩阵上下合并 C = np.hstack((A,B)) #将两个矩阵左右合并，这里将A、B合并成一个序列 print(C) C = np.concatenate((A,B,B,A),axis=0) #可以进行多个矩阵合并，可以指定合并维度,axis=1指每个矩阵按行左右合并，0是每个矩阵按列上下合并 print(C) A = np.arange(12).reshape((3,4)) print(A) print(np.split(A,2,axis=1)) #将A进行分割，分成两个array，按行等量分割，分成几块得能整除才能分割 print(np.array_split(A,3,axis=1)) #将A进行分割，按行分成三个array，可以进行不等量分割 print(np.vsplit(A,3)) #将A横向平均分割成3块 print(np.hsplit(A,2)) #将A纵向平均分割成2块 a = np.arange(4) print(a) b = a c = a d = b a[0] = 8 print(a) print(d) #都是一样的，一个改变了其他都变 print(b is a) #如果一样就是True d[1:3] = [11,22] print(a) #也是一样的，等于是改的同一块内存中的数据 #如果想a改变，其他赋值的不变则需要深拷贝 b = a.copy() #深拷贝，拷贝数据重新放到另外一块内存中 print(a) b[0] = 66 print(a,b) #b变了，a没变