numpy是用于處理矩陣運算非常好的工具。執行效率高，因為其底層是用的是C語句
使用numpy,需要将資料轉換成numpy能識别的矩陣格式。
基本用法:
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
名稱描述
- object數組或嵌套的數列
- dtype數組元素的資料類型，可選，例如：int64,int16,int32,float64等，位數越高，精度越高，但也更耗記憶體。
- copy對象是否需要複制，可選
- order建立數組的樣式，C為行方向，F為列方向，A為任意方向（預設）
- subok預設傳回一個與基類類型一緻的數組
- ndmin指定生成數組的最小次元。幾維數組，預設0維數組
建立numpy矩陣的其他形式
- np.zeros((3,4)):建立3行4列值都為0矩陣
- np.ones((3,4)):建立3行4列值都為1矩陣
- np.random.random((3,4)):建立3行4列值為0~1随機數
- np.arange(1,20,5).shape(3,4):建立3行4列維數組，數值從1到20，步長為5
- np.arange(5) : 建立1維數組，數值從0至4
- np.empty（（3，4））：建立3行4列值為空的矩陣
- np.linspace(1,10,10)：建立1維數組，開始點為 1 ，終止點為 10，數列個數為 10。即元素共10個.[1,2,3,4,5,6,7,8,9.10]
np.sin(a),即計算該矩陣值的sin結果
np.cos(a)
np.tan(a)
arcsin，arccos，和 arctan 函數傳回給定角度的 sin，cos 和 tan 的反三角函數。
矩陣a,矩陣b
a+b，代表逐一加法
a/b，代表逐一除法
a-b，代表逐一減法
a*b，代表逐一乘積
- np.dot(a,b),a.dot(b）則代表矩陣乘法
- np.argmin(a),最小值的索引
- np.argmax（a）,最大值的索引
- mean[a]平均值
- A.mean平均值，隻是表達形式不一樣，與老版的average是一樣的功能
- median(A),中位數，與平均值一樣的數
- cumsum(A),第兩位數的累加，變成一個一維數組
- diff(A),每兩個數進行減法，按行，原行-1
- notzero（A），傳回兩個arrage，表示不為0的索引值
- sort(A),按行從小到大排序
- transpose(A),矩陣的反向、向轉等同于A.T，
- clip(A,3,9),所有小于3的值，變成3，所有大于9的值，變成9
索引
- A[1]第一行
- A[1][1]第1行第1列
- A[1,1]第1行第1列，與上面一樣隻是表達形式不一樣
- A[2,:]第2行所有的資料
- A[:,2]第2列所有的資料
- A[1,1:2]第1行，從第1列到第2列的資料
周遊
for row in A:
print row
預設疊代行數顯示行。
np沒有提供按列疊代，需要用些手段，例如将矩陣進行反轉周遊即可實作
for column in A.T:
print colum
如果要疊代其項目，則A需要轉換成一行序列
for item in A.flag:
print item
另注意A.flatten()傳回的也是一個序列，與flag類似。功能一樣
以上就是本文的全部内容，希望對大家的學習有所幫助。