数组计算模块NumPy

NumPy是Python数组计算、矩阵运算和科学计算的核心库。

提供了高性能的数组对象
提供了大量的函数和方法
NumPy使用机器学习中的操作变得简单
NumPy是通过C语言实现的

NumPy的安装 pip install numpy

数组的分类

一维数组跟Python列表的形状一样，区别在于数组的切片是针对原始数组
二维数组以数组作为数组元素，二维数组包括行和列，类似于表格，又称为矩阵
三维数组（多维数组）为数为三的数组元素，也称矩阵列表

轴的概念：轴是NumPy模块里的axis，指定某个axis就是沿着axis做相关操作

创建简单的数组

numpy.array(object,dtype=None,copy=True,ndmin=0)

不同方式创建数组

创建指定维度和数据类型未初始化的数组 np.empty()
创建指定维度以0填充的数组 np.zeros()
创建指定维度以1填充的数组 np.ones()
创建指定维度和类型的数组并以指定值填充 np.full()

从数值范围创建数组

通过数值范围创建数组 arange(start,stop,step,dtype=None)
使用linspace函数创建等差数列linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)
使用logspace函数创建等比数列 logspace(start,stop,num=50,endpoint=True,base=10.0,dtype=None)

生成随机数组

生成(0,1)之间的随机数组 np.random.rand()
随机生成满足正态分布的数组 np.random.randn()
生成一定范围内的随机数组 np.random.randint()
生成正态分布的随机数组 np.random.normal()

Numpy的数据类型比Python数据类型增加了更多种类的数值类型，为了区别于Python的数据类型，像bool、int、float等数据类型的名称末尾都加了 “_”

索引

用于标记数组当中对应元素的唯一数字，从0开始
索引的区间范围 [0~N-1]
索引的使用语法 obj[index]

切片式索引

语法结构 [start:stop:step]
start:起始索引
stop:终止索引
step:步长

二维数组索引语法格式 array[n,m]

二维数组的切片式索引

数组重塑

数组重塑是更改数组的形状
使用reshape方法，用于改变数组的形状
重塑后数组所包含的元素个数必须与原数组的元素个数相同，元素发生变化，程序就会报错

数组转置

数组的行列转换
通过数组的T属性和transpose方法实现

数组的增加

水平方向增加数据 hstack()函数
垂直方向增加数据 vstack()函数

数组的删除

使用delete()函数

矩阵矩阵是数学的概念，而数组是计算机程序设计领域的概念。在NumPy中，矩阵是数组的分支，二维数组也称为矩阵。

创建矩阵 numpy.mat()函数

矩阵运算可以对矩阵进行加、减、乘、除运算

矩阵的乘法运算

import numpy as np

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

# 使用numpy.dot()函数进行矩阵乘法
C = np.dot(A, B)
print(C)

# 使用@运算符进行矩阵乘法
D = A @ B
print(D)


#
[[19 22]
 [43 50]]
[[19 22]
 [43 50]]

数组的排序

对数组元素进行排序