numpy笔记

1、创建numpy变量

a = np.array([1,2,3,4,5,6])
print(a.shape,a.dtype)
b = np.array([1,2,3,4,5,6]).astype(np.float32)
print(b.shape,b.dtype)
c = np.array([[1,2],[3,4],[5,6]])
print(c.shape,c.dtype)

运行结果如下所示：

2、numpy和list进行转换

a = [1,2,3,4,5,6]
b = np.array(a)
print(b.shape,b.dtype)

a = [[1,2],[3,4],[5,6]]
b = np.array(a)
print(b.shape,b.dtype)

c = np.array([1,2,3,4,5,6])
print(c.tolist()) #转成list

d = np.array([[1,2],[3,4],[5,6]])
print(d.tolist()) #转成list

运行结果如下所示：

3、创建全0全1的numpy对象

a = np.zeros([3,4])
print(a)
a = np.ones([3,4])
print(a)

运行结果如下所示：

4、统计学应用

1、求和

对一个numpy对象进行直接求和：

指定数据类型求和：

如果对二维的矩阵不进行操作也是直接对所有元素直接求和：

二维矩阵不同维度进行操作（这里说二维矩阵不太严谨，因为他只是个numpy对象，不过我们可以当成矩阵来处理）

这里新增了维度的概念，可以理解为如果是axis=0就是竖着看，然后等于1就是横着看：

2、均值

这里效果跟之前的均值差不多，解释可以看均值部分：

3、标准差

这里效果跟之前的均值差不多，解释可以看均值部分：

4、均方差

这里效果跟之前的均值差不多，解释可以看均值部分：

除了上面的部分内容，相关的还有：

• abs：求绝对值
• sqrt：求平方根

5、数据处理

1、数据查找

直接查找某个数据是否存在，返回数据的位置：

想要查找所有符合的数据数目：

2、数据排序

如果是直接排序，直接写即可：

如果是二维排序，需要我们进行处理，还是按照之前的数值方向和水平方向：

如果要获得他们排序后的位置：

3、获取不重复的元素

这里直接使用函数即可：

4、取最大最小值

单纯取值，直接用函数即可：

如果是二维的矩阵，还是参考前面说的，分为竖直方向和水平方向来处理：

如果要获取最大最小值的位置：（这里我直接使用了二维的，一维的还是一样的）

5、区间均匀采样

这里跟普通的python操作基本一样，就是起始结束然后加上步长就OK了：

6、矩阵操作

1、维度扩展

下面把一个一维矩阵扩展为二维矩阵，如下所示：

2、矩阵拼接

同方向维度一样可以进行拼接，效果如下：

当然也可以用我们之前的添加维度参数的方法来进行拼接：

3、矩阵复制

按照想要的方式进行复制：

4、矩阵的四则运算

就和普通的四则运算一样的：

6、矩阵的内积

就是线性代数的那些东西，不过要用函数来进行表达：

7、随机数

常见的有三种随机数，如下所示：

针对多维高斯分布随机数，各参数的含义如下所示：