目录

numpy模块

numpy是Python的一种开源的数值计算扩展库。这种库可用来存储和处理大型矩阵，比Python自身的嵌套列表结构要高效的多（该结构也可以用来表示矩阵）。

numpy库有两个作用：

1. 区别于list列表，提供了数组操作、数组运算、以及统计分布和简单的数学模型
2. 计算速度快，甚至要由于python内置的简单运算，使得其成为pandas、sklearn等模块的依赖包。高级的框架如TensorFlow、PyTorch等，其数组操作也和numpy非常相似。

约定俗成：import numpy as np

1.创建矩阵：

创建一维的ndarray对象：arr = np.array([1, 2, 3])

创建二维的ndarray对象arr=np.array([[1, 2, 3], [4, 5, 6]])

2.获取矩阵的行列

获取矩阵的行和列构成的数组arr.shape

3.切割矩阵

切分矩阵类似于列表的切割，但是与列表的切割不同的是，矩阵的切割涉及到行和列的切割，但是两者切割的方式都是从索引0开始，并且取头不取尾。

比如一个数组arr,若取第一行第一列，就是arr[1,1]

取大于5的元素，返回一个数组

print(arr[arr > 5])

矩阵按运算符取元素的原理，即通过arr > 5生成一个布尔矩阵

print(arr > 5)

4.矩阵元素的替换

矩阵元素的替换，类似于列表元素的替换，并且矩阵也是一个可变类型的数据，即如果对矩阵进行替换操作，会修改原矩阵的元素，所以下面我们用.copy()方法举例矩阵元素的替换。

5.矩阵的合并

1. 合并两个矩阵的行，注意使用hstack()方法合并矩阵，矩阵应该有相同的行，其中hstack的h表示horizontal水平的

   print(np.hstack((arr1, arr2)))

2. 合并两个矩阵的列，注意使用vstack()方法合并矩阵，矩阵应该有相同的列，其中vstack的v表示vertical垂直的

   print(np.vstack((arr1, arr2)))

3. 合并两个矩阵，其中axis=1表示合并两个矩阵的行

   print(np.concatenate((arr1, arr2), axis=1))

   axis=0表示合并两个矩阵的列

   print(np.concatenate((arr1, arr2), axis=0))

6.通过函数创建矩阵

1. 构造0-9的ndarray数组print(np.arange(10))
2. 构造一个等差数列，取头也取尾，从0取到20，取5个数
   print(np.linspace(0, 20, 5))
3. 构造一个等比数列，从100取到1020，取5个数
   print(np.logspace(0, 20, 5))
4. 构造3*4的全0矩阵print(np.zeros((3, 4)))
5. 构造3*4的全1矩阵print(np.ones((3, 4)))
6. 构造3个主元的单位矩阵print(np.eye(3))
7. 构造一个4*4的随机矩阵，里面的元素是随机生成的
   print(np.empty((4, 4))

7.矩阵的运算

也包含+，-，*，/，%，**n

运算符	说明
+	两个矩阵对应元素相加
-	两个矩阵对应元素相减
*	两个矩阵对应元素相乘
/	两个矩阵对应元素相除，如果都是整数则取商
%	两个矩阵对应元素相除后取余数
**n	单个矩阵每个元素都取n次方，如**2：每个元素都取平方

8.矩阵的转置

矩阵的转置，相当于矩阵的行和列互换。arr.transpose()

arr.T

9.矩阵的逆

矩阵行和列相同时，矩阵才可逆。

np.linalg.inv(arr)

10.生成随机数

函数名称	函数功能	参数说明
rand(d0,d1,⋯,dnd0,d1,⋯,dn)	产生[0,1)内的均匀分布的随机数	dndn为第n维数据的维度
randn(d0,d1,⋯,dnd0,d1,⋯,dn)	产生标准正态分布随机数	dndn为第n维数据的维度
randint(low[, high, size, dtype])	产生随机整数	low:最小值；high:最大值；size:数据个数
random_sample([size])	在[0,1)内产生随机数	size为随机数的shape，可以为元祖或者列表
choice(a[, size])	从arr中随机选择指定数据	arr为1维数组；size为数据形状

RandomState()方法会让数据值随机一次，之后都是相同的数据

rs = np.random.RandomState(1)print(rs.rand(10))