numpy.array常用API

1.np.array構造函數

用法：np.array([1,2,3,4,5])

1.1 numpy array 和 python list 有什麼差別？

标準Python的清單(list)中，元素本質是對象。如：L = [1, 2, 3]，需要3個指針和三個整數對象，對于數值運算比較浪費記憶體和CPU。是以，Numpy提供了ndarray(N-dimensional array object)對象：存儲單一資料類型的多元數組。

1.2 如何強制生成一個 float 類型的數組

d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], dtype=np.float)

1.3 使用astype(int)對上述 array 進行強制類型轉換

d.astype(int)

1.4.dtype 和type 的差別是什麼

type(d) 和 d.dtype 一個傳回的是d 的資料類型 nd.array 另一個傳回的是數組中内容的資料類型

2. arange

用法 ：np.arange(0,10) // 生成[0,1,2,3,4,5,6,7,8,9] 左開右閉不包括10

2.1.arange 和python 的range 函數的差別是什麼

arange可以生成浮點類型，而range隻能是整數類型

3. reshape

np.arange(1,10).reshape((3,3)) 從(3,4)改為(4,3)并不是對數組進行轉置，而隻是改變每個軸的大小，數組元素在記憶體中的位置并沒有改變

reshape(-1,1) 任一行一列

4. 構造等差數列

np.linspace(1, 10, 10)

#構造等差數列 開始值，結束值，共幾個數字

#包括終止值 [1,2,3,4,5,6,7,8,9,10]

#可以通過選項配置其不包括終止值

c=np.linspace(1, 10, 10, endpoint=False)

5.構造等比數列

np.logspace(1,4,4,base=2,endpoint=True)

6.随機數生成

6.1随機生成（4*4）個0-10的數的二維數組

np.random.randint(a, b, size=(c, d))

6.2.随機生成 0-1的10個數字

np.random.rand

7.np.array 的數組切片

a.切片規則 [三冒号規則]

[開始：結尾：步長]

b.開始為-1

a[-1] 取最後一個

a = [0,1,2,3,4,5,6,7]

a[-1] = 7

c.結尾為-1（開始必須為大于等于0的數）

a[2:-1] = [2,3,4,5,6]

d.步長為-1，意味着反轉

a[::-1]=[7,6,5,4,3,2,1]

8.特殊矩陣的生成

np.ones((3,3))、np.zeros((3,3))、np.eye(1,1) 奇怪的是 eye 為啥不接收元祖作為參數呢？暈 eye 也沒有 寫成eye

還有 a=[1,2,3] np.diag(a) 是生成1，2，3 為對角線的方陣

9.數組的運算及矩陣的運算

a.數組的相加，相當的随意，不用一樣的行和列

a = np.array([1,2,3,4,5])

b = a.reshape(-1,1)

a+b 傳回的是一個 5*5 的矩陣

b.矩陣的加法必須是行列相同

a = np.matrix(np.array([[1,2,3],[2,1,3]]));

a.T 表示轉置 a.I 表示逆矩陣

c.對應元素相乘用 multiple ，矩陣相乘可直接寫，但行和列要相等

a1=mat([1,1]);

a2=mat([2,2]);

a3=multiply(a1,a2)