2.3.4 集合运算函数
A = np.array([6, 8, 9, 1, 4]) B = np.array([3, 6, 5, 7, 1]) # 计算交集 display(np.intersect1d(A, B)) # 计算并集 display(np.union1d(A, B)) # 计算差集 display(np.setdiff1d(A, B))
2.3.5 数学和统计函数
🚩我们挑几个常用的函数进行代码演示，剩余的函数有兴趣的读者可以自行查阅用法自己演示。min、max、mean、median、sum、std、var、cumsum、cumprod、argmin、argmax、argwhere、cov、corrcoef
import numpy as np arr1 = np.array([5, 90, 87, 35, 23, 6, 39, 39, 99, 79, 72, 94, 97, 13, 84]) # 计算数组中的最小值 display(arr1.min()) # 计算数组中的最大值的索引 display(arr1.argmax()) # 返回大于40的元素的索引 display(np.argwhere(arr1 > 40)) # 计算数组的累加和 display(np.cumsum(arr1)) arr2 = np.random.randint(0, 10,size = (4, 5)) display(arr2) # 计算列的平均值 display(arr2.mean(axis = 0)) # 计算行的平均值 display(arr2.mean(axis = 1)) # 协方差矩阵 display(np.cov(arr2, rowvar = True)) # 相关性系数 display(np.corrcoef(arr2, rowvar = True))
2.4 矩阵运算
2.4.1 矩阵的乘法
#矩阵的乘积(点乘) A = np.array([[2, 1, 7], [6, 3, 4]]) # shape(2, 3) B = np.array([[4, 3], [0, 9], [-5, -8]]) # shape(3, 2) # 第一种方法 display(np.dot(A,B)) # 第二种方法 display(A @ B) # 符号 @ 表示矩阵乘积运算 # 第三种方法 display(A.dot(B))
2.4.2 矩阵的其他运算
np.set_printoptions(suppress = True) # 不使用科学计数法 from numpy.linalg import inv,det,eig,qr,svd A = np.array([[1, 2, 3], [2, 3, 1], [3, 2, 1]]) # shape(3, 3) # 求逆矩阵 B = inv(A) # B 就是 A 的逆矩阵 display(B) display(A.dot(B)) # 求矩阵的行列式 display(det(A))
