Numpy概述

1.使用numpy打開txt文件并且讀取文件內容

world_alcohol = np.genfromtxt("world_alcohol.txt", delimiter=",", dtype=str),參數一：文件路徑；參數二：分割標記；參數三：數據類型； import numpy as npworld_alcohol = np.genfromtxt("world_alcohol.txt", delimiter=",", dtype=str) print (world_alcohol)

2.使用numpy構建一維矩陣

vector = np.array([1, 2, 3, 4, 5]) print (vector)

3.使用numpy構建二維矩陣

matrix = np.array([[1, 2, 3], [4, 5, 6],[7, 8, 9]]) print (matrix)

4.使用numpy查看結構

matrix = np.array([[1, 2, 3], [4, 5, 6],[7, 8, 9]]) print (matrix.shape) // （3 ，3）

5.使用numpy需要保證array中的數據類型一致

6.numpy的數據索引與切片操作同python一樣

7.numpy.array選入某一行或者列所有元素，可以使用( : ) 來代替所有行或者列,也可以通過切片操作取得多行或者列

#取出所有行中的第1個元素,元素從0開始 matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print (matrix[:, 1]) // 2 5 8 matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print (matrix[:, 0:2])

8.numpy修改數據類型,可以通過astype來修改

matrix = np.array(["1", "2", "3"]) print (matrix) print (matrix.dtype) matrix = matrix.astype(float) print (matrix) print (matrix.dtype)

9.NumPy中的維度(dimension)、軸(axis)、秩(rank)的含義

數值計算

1.numpy獲取極值,min最小 , max 最大

matrix = np.array([1, 2, 3]) print matrix.max() print matrix.min()

2.numpy矩陣行求和使用sum(axis = 1) ,列求和sum(axis = 0)

matrix = np.array([[1, 2, 3], [4, 5, 6]]) #把矩陣中所有元素逐個相加 p0 = matrix.sum() #指定操作沿著什么軸(緯度) 0,是豎向，1，是橫向p1 = matrix.sum(axis=0)p2 = matrix.sum(axis=1)print p1print p2

3.numpy矩陣乘積操作

matrix = np.array([[1, 2, 3], [4, 5, 6]]) p1 = matrix.prod() print (p1)

4.取得值的索引

matrix = np.array([[1, 2, 3], [4, 5, 6]]) p1 = matrix.argmin() print (p1) p2 = matrix.argmax() print (p2)

5.標準差

matrix = np.array([[1, 2, 3], [4, 5, 6]]) p1 = matrix.std() print (p1)

6.方差

matrix = np.array([[1, 2, 3], [4, 5, 6]]) p1 = matrix.var() print (p1)

7.截斷操作

#截斷操作，給定邊界，不滿足條件的補足 matrix = np.array([[1, 2, 3], [4, 5, 6]]) p1 = matrix.clip(2,4) print (p1)

8.四舍五入

matrix = np.array([1.2,3.56,6.41]) p1 = matrix.round() print (p1) #round()中可以傳入參數，表示精確到小數點后多少位 p2 = matrix.round(1) print(p2)

9.排序操作

matrix = np.array([[1.2,3.56,6.41],[5.32,6.58,7.89]]) #默認升序 np.sort(matrix)

10.數據插入指定區間，返回插入的索引結果

#將數據插入指定區間 matrix = np.linspace(0,10,10) values = np.array([2.5,5.5,9.5]) np.searchsorted(matrix,values)

11.指定格式的升序降序

#負數引導為降序，默認升序 index = np.lexsort([-1]*tag_array[:,0],tag_array[:,2])

12.刪除指定行或者指定列

刪除一行

import numpy as np list_data = [[1,2,3],[2,3,4],[4,5,6],[9,8,7]] # 可以為numpy數據 delete_data = np.delete(list_data , 2, axis=0) # 刪除第3列 axis用于控制行列

?刪除一列

import numpy as np list_data = [[1,2,3],[2,3,4],[4,5,6],[9,8,7]] # 可以為numpy數據 delete_data = np.delete(list_data , 1, axis=1) # 刪除第2行 axis用于控制行列

數組形狀

1.根據指定格式拆分

matrix = np.arange(10) print(matrix) #按照格式拆分 matrix.shape = 2,5 print(matrix) #重新按照指定格式拆分，拆分需要按照實際格式來拆分 matrix.reshape(1,10) print(matrix)

2.增加新的維度

matrix = np.arange(10) print(matrix.shape) matrix = matrix[np.newaxis,:] print(matrix.shape)

3.自動壓縮刪除沒有數據的維度

matrix = np.arange(10) print(matrix.shape) matrix = matrix[:,np.newaxis,np.newaxis] print(matrix.shape) matrix = matrix.squeeze() print(matrix.shape)

矩陣操作

1.numpy構造向量，并且轉換為自定義的矩陣形式

// 0 - 15 的向量 matrix = np.arange(15) print matrix// 3 x 5 的矩陣 mat = matrix.reshape(3, 5) print mat

2.numpy初始化零矩陣

mat = np.zeros((3, 4)) print mat

3.numpy構建全一矩陣，并且指定數據類型

p1 = np.ones((2, 3, 4), dtype=np.int32) print p1

4.numpy構建等差數列

#解釋：從10 - 30 每個數加5，最大數要小于30 p1 = np.arange(10, 30, 5) print p1

5.numpy構建隨機矩陣,使用random

// 隨機3 x 4矩陣 ，默認 0 - 1之間 p1 = np.random.random((3, 4)) print p1

6.numpy構建給定某個區間，等間隔取到n個值

from numpy import pi p1 = np.linspace(0, 2 * pi ,100) print p1

7.矩陣的相關操作

p1 = np.array([[1, 2], [3, 4]]) p2 = np.array([[5, 6], [7, 8]])

• ? 對矩陣每個元素進行平方操作

print p1**2

• ?對矩陣進行加法操作

print p1 + p2

• ??對矩陣進行 * 號，對應位置相乘

print p1 * p2

• ? 矩陣乘法

print p1.dot(p2)print np.dot(p1, p2)

矩陣轉置

matrix = np.array([[1,2,3],[4,5,6],[7,8,9]]) print(matrix) # .T也表示轉置 matrix = matrix.transpose() print(matrix)

8.數據填充

import numpy as npmat = np.array([1, 2, 3]) mat.fill(0) print(mat)

9.顯示矩陣緯度

import numpy as npmat = np.array([[1, 2, 3], [4, 5, 6]])print(mat.ndim)

10.行列式計算

3 * 4? ?-? ?1? ?*? ? ?2? ? 行列式

from numpy import *A = array([[3, 1], [2, 4]])B = linalg.det(A)print(B)

總結

以上是生活随笔為你收集整理的【人工智能初级系列（一）】科学计算库 Numpy的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。