Numpy

通過觀察Python的自有數(shù)據(jù)類型，我們可以發(fā)現(xiàn)Python原生并不提供多維數(shù)組的操作，那么為了處理矩陣，就需要使用第三方提供的相關(guān)的包。

NumPy 是一個非常優(yōu)秀的提供矩陣操作的包。NumPy的主要目標(biāo)，就是提供多維數(shù)組，從而實(shí)現(xiàn)矩陣操作。

NumPy's main object is the homogeneous multidimensional array. It is a table of elements (usually numbers), all of the same type, indexed by a tuple of positive integers. In NumPy dimensions are called axes.

基本操作

 ######################################## 創(chuàng)建矩陣#######################################from numpy import array as matrix, arange# 創(chuàng)建矩陣a = arange(15).reshape(3,5)a# Out[10]:# array([[0., 0., 0., 0., 0.],#    [0., 0., 0., 0., 0.],#    [0., 0., 0., 0., 0.]])b = matrix([2,2])b# Out[33]: array([2, 2])c = matrix([[1,2,3,4,5,6],[7,8,9,10,11,12]], dtype=int)c # Out[40]:# array([[ 1, 2, 3, 4, 5, 6],#    [ 7, 8, 9, 10, 11, 12]])

######################################## 創(chuàng)建特殊矩陣#######################################from numpy import zeros, ones,emptyz = zeros((3,4))z# Out[43]:# array([[0., 0., 0., 0.],#    [0., 0., 0., 0.],#    [0., 0., 0., 0.]])o = ones((3,4))o# Out[46]:# array([[1., 1., 1., 1.],#    [1., 1., 1., 1.],#    [1., 1., 1., 1.]])e = empty((3,4))e# Out[47]:# array([[0., 0., 0., 0.],#    [0., 0., 0., 0.],#    [0., 0., 0., 0.]])

 ######################################## 矩陣數(shù)學(xué)運(yùn)算#######################################from numpy import array as matrix, arangea = arange(9).reshape(3,3)a# Out[10]:# array([[0, 1, 2],#    [3, 4, 5],#    [6, 7, 8]])b = arange(3)b# Out[14]: array([0, 1, 2])a + b# Out[12]:# array([[ 0, 2, 4],#    [ 3, 5, 7],#    [ 6, 8, 10]])a - b# array([[0, 0, 0],#    [3, 3, 3],#    [6, 6, 6]])a * b# Out[11]:# array([[ 0, 1, 4],#    [ 0, 4, 10],#    [ 0, 7, 16]])a < 5# Out[12]:# array([[ True, True, True],#    [ True, True, False],#    [False, False, False]])a ** 2# Out[13]:# array([[ 0, 1, 4],#    [ 9, 16, 25],#    [36, 49, 64]], dtype=int32)a += 3a# Out[17]:# array([[ 3, 4, 5],#    [ 6, 7, 8],#    [ 9, 10, 11]]) 

######################################## 矩陣內(nèi)置操作#######################################from numpy import array as matrix, arangea = arange(9).reshape(3,3)a# Out[10]:# array([[0, 1, 2],#    [3, 4, 5],#    [6, 7, 8]])a.max()# Out[23]: 8a.min()# Out[24]: 0a.sum()# Out[25]: 36 

######################################## 矩陣索引、拆分、遍歷#######################################from numpy import array as matrix, arangea = arange(25).reshape(5,5)a# Out[9]:# array([[ 0, 1, 2, 3, 4],#    [ 5, 6, 7, 8, 9],#    [10, 11, 12, 13, 14],#    [15, 16, 17, 18, 19],#    [20, 21, 22, 23, 24]])a[2,3]   # 取第3行第4列的元素# Out[3]: 13a[0:3,3]  # 取第1到3行第4列的元素# Out[4]: array([ 3, 8, 13])a[:,2]   # 取所有第二列元素# Out[7]: array([ 2, 7, 12, 17, 22])a[0:3,:]  # 取第1到3行的所有列# Out[8]:# array([[ 0, 1, 2, 3, 4],#    [ 5, 6, 7, 8, 9],#    [10, 11, 12, 13, 14]])a[-1]  # 取最后一行# Out[10]: array([20, 21, 22, 23, 24])for row in a:  # 逐行迭代  print(row)# [0 1 2 3 4]# [5 6 7 8 9]# [10 11 12 13 14]# [15 16 17 18 19]# [20 21 22 23 24]for element in a.flat: # 逐元素迭代，從左到右，從上到下  print(element)# 0# 1# 2# 3