[python]Numpy快速入门-阿里云开发者社区

开发者社区> 开发与运维> 正文
登录阅读全文

[python]Numpy快速入门

简介: NumPY是Python的一个矩阵处理库,提供了大量点矩阵处理函数,其内部通过C语言实现,执行速度快。 1.一维NumPY数组 使用NumPY提供的arange(n)函数可以创建一个包含n个元素的NumPY数组,取值分别为0~n-1.

NumPY是Python的一个矩阵处理库,提供了大量点矩阵处理函数,其内部通过C语言实现,执行速度快。

1.一维NumPY数组

使用NumPY提供的arange(n)函数可以创建一个包含n个元素的NumPY数组,取值分别为0~n-1.

>>> from NumPY import *
>>> a=arange(4)
>>> a
array([0, 1, 2, 3])
>>> a.shape
(4,)
>>> 

使用array()创建NumPY数组.

>>> mm=array((4,5,1))
>>> mm
array([4, 5, 1])
>>> pp=array((10,20,30))
>>> pp
array([10, 20, 30])
>>> mm+pp
array([14, 25, 31])
>>> pp*2
array([20, 40, 60])

使用标准的Python时,向量运算需要循环实现,使用NumPY可以直接运算. 对每个元素平方:

>>> mm**2
array([16, 25,  1])

访问元素:

>>> mm[1]
5
>>> pp[2]
30
>>> 2*mm[1]
10
>>> 

2. 多维NumPY数组

>>> jj=array([[1,2,3],[4,5,6],[7,8,9]])
>>> jj
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

数组访问:

>>> jj[1]
array([4, 5, 6])
>>> jj[1][1]
5
>>> jj[0,2]
3

数组相乘

>>> a1=array([1,2,3])
>>> b1=array([4,8,10])
>>> a1*b1
array([ 4, 16, 30])
>>> a2=array([[2,3,4],[5,6,7]])
>>> b2=array([[1,2,3],[4,5,6]])
>>> a2*b2
array([[ 2,  6, 12],
       [20, 30, 42]])
>>> 

可以看到NumPY数组相乘,两个数组行和列都是相同的,然后对应位置相乘。数组乘法和矩阵乘法还是有区别的,矩阵乘法中两个矩阵必须满足m*n和n*k的条件。

3.NumPY矩阵

创建NumPY矩阵需要导入matrix或mat模块

>>> from numpy import mat,matrix
>>> m1=mat([[1,2,3],[2,3,1]])
>>> m1
matrix([[1, 2, 3],
        [2, 3, 1]])
>>> m2=mat([[1,1,2],[2,1,1]])
>>> m2
matrix([[1, 1, 2],
        [2, 1, 1]])
>>> m1*m2
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/numpy/matrixlib/defmatrix.py", line 343, in __mul__
    return N.dot(self, asmatrix(other))
ValueError: shapes (2,3) and (2,3) not aligned: 3 (dim 1) != 2 (dim 0)

这时候m1*m2会发生错误,m1,m2 都为2*3的矩阵,因此不能相乘。把m2转置为3*2的矩阵:

>>> m2.T
matrix([[1, 2],
        [1, 1],
        [2, 1]])
>>> m1*m2.T
matrix([[9, 7],
        [7, 8]])

如果想把矩阵m1和m2中的元素对应相乘,可以使用multiply函数:

>>> from numpy import multiply
>>> m1
matrix([[1, 2, 3],
        [2, 3, 1]])
>>> m2
matrix([[1, 1, 2],
        [2, 1, 1]])
>>> multiply(m1,m2)
matrix([[1, 2, 6],
        [4, 3, 1]])

使用shape函数查看矩阵的维数:

>>> m1.shape
(2, 3)

使用sort函数可以把矩阵中的每一行元素进行排序:

>>> m3=mat([[7,5,4],[9,8,7],[5,2,0]])
>>> m3
matrix([[7, 5, 4],
        [9, 8, 7],
        [5, 2, 0]])
>>> m3.sort()
>>> m3
matrix([[4, 5, 7],
        [7, 8, 9],
        [0, 2, 5]])

计算矩阵平均值:

>>> m3.mean()
5.2222222222222223

取出某一行元素:

>>> m3
matrix([[4, 5, 7],
        [7, 8, 9],
        [0, 2, 5]])
>>> m3[1,:]
matrix([[7, 8, 9]])
>>> m3[2,:]
matrix([[0, 2, 5]])

取指定范围元素, 如取出矩阵m3中第三行中的第二列和第三列,也就算2和5:

>>> m3[2,1:3]
matrix([[2, 5]])

官方文档:numpy-1.10.1

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
开发与运维
使用钉钉扫一扫加入圈子
+ 订阅

集结各类场景实战经验,助你开发运维畅行无忧

其他文章