深入理解NumPy简明教程---数组2

&gt;&gt;&gt; a= np.array([20,30,40,50]) &gt;&gt;&gt; b= np.arange( 4) &gt;&gt;&gt; b array([0, 1, 2, 3]) &gt;&gt;&gt; c= a-b &gt;&gt;&gt; c array([20, 29, 38, 47]) &gt;&gt;&gt; b**2 array([0, 1, 4, 9]) &gt;&gt;&gt; 10*np.sin(a) array([ 9.12945251,-9.88031624, 7.4511316, -2.62374854]) &gt;&gt;&gt; a<p></p><p>与其他矩阵语言不同，NumPy中的乘法运算符*按元素逐个计算，矩阵乘法可以使用dot函数或创建矩阵对象实现(后续章节会介绍)</p><p class="jb51code"></p><pre class="brush:py;">&gt;&gt;&gt; A= np.array([[1,1], ...[0,1]]) &gt;&gt;&gt; B= np.array([[2,0], ...[3,4]]) &gt;&gt;&gt; A*B # 逐个元素相乘 array([[2, 0],    [0, 4]]) &gt;&gt;&gt; np.dot(A,B) # 矩阵相乘 array([[5, 4],    [3, 4]])

>>> a= np.ones((2,3), dtype=int) >>> b= np.random.random((2,3)) >>> a*= 3 >>> a array([[3, 3, 3],    [3, 3, 3]]) >>> b+= a >>> b array([[ 3.69092703, 3.8324276, 3.0114541],   　 [ 3.18679111, 3.3039349, 3.37600289]]) >>> a+= b # b转换为整数类型 >>> a array([[6, 6, 6],       [6, 6, 6]])

>>> a= np.ones(3, dtype=np.int32) >>> b= np.linspace(0,np.pi,3) >>> b.dtype.name 'float64' >>> c= a+b >>> c array([ 1., 2.57079633, 4.14159265]) >>> c.dtype.name 'float64' >>> d= exp(c*1j) >>> d array([ 0.54030231+0.84147098j,-0.84147098+0.54030231j,   　 -0.54030231-0.84147098j]) >>> d.dtype.name 'complex128'

>>> a= np.random.random((2,3)) >>> a array([[ 0.65806048, 0.58216761, 0.59986935],       [ 0.6004008, 0.41965453, 0.71487337]]) >>> a.sum() 　 3.5750261436902333 >>> a.min()    0.41965453489104032 >>> a.max()    0.71487337095581649

>>> b= np.arange(12).reshape(3,4) >>> b array([[ 0, 1, 2, 3],       [ 4, 5, 6, 7],       [ 8, 9, 10, 11]]) >>> b.sum(axis=0) # 计算每一列的和，注意理解轴的含义，参考数组的第一篇文章 array([12, 15, 18, 21]) >>> b.min(axis=1) # 获取每一行的最小值 array([0, 4, 8]) >>> b.cumsum(axis=1) # 计算每一行的累积和 array([[ 0, 1, 3, 6],       [ 4, 9, 15, 22],       [ 8, 17, 27, 38]])

>>> a= np.arange(10)**3 #记住，操作符是对数组中逐元素处理的！ >>> a array([0, 1, 8, 27, 64, 125, 216, 343, 512, 729]) >>> a[2] 8 >>> a[2:5] array([ 8, 27, 64]) >>> a[:6:2]= -1000 # 等同于a[0:6:2]= -1000，从开始到第6个位置，每隔一个元素将其赋值为-1000 >>> a array([-1000, 1,-1000, 27,-1000, 125, 216, 343, 512, 729]) >>> a[: :-1] # 反转a array([ 729, 512, 343, 216, 125,-1000, 27,-1000, 1,-1000]) >>>for i in a: ...  print i**(1/3.), ... nan 1.0 nan 3.0 nan 5.0 6.0 7.0 8.0 9.0

>>>def f(x,y): ...  return 10*x+y ... >>> b= np.fromfunction(f,(5,4),dtype=int) #fromfunction是一个函数，下篇文章介绍。 >>> b array([[ 0, 1, 2, 3],       [10, 11, 12, 13],       [20, 21, 22, 23],       [30, 31, 32, 33],       [40, 41, 42, 43]]) >>> b[2,3] 23 >>> b[0:5, 1] # 每行的第二个元素 array([ 1, 11, 21, 31, 41]) >>> b[: ,1] # 与前面的效果相同 array([ 1, 11, 21, 31, 41]) >>> b[1:3,: ] # 每列的第二和第三个元素 array([[10, 11, 12, 13],       [20, 21, 22, 23]])

>>> b[-1] # 最后一行，等同于b[-1,:]，-1是第一个轴，而缺失的认为是：，相当于整个切片。 array([40, 41, 42, 43])

>>> c= array( [ [[ 0, 1, 2], #三维数组（两个2维数组叠加而成） ...[ 10, 12, 13]], ... ...[[100,101,102], ...[110,112,113]]] ) >>> c.shape  (2, 2, 3) >>> c[1,...] #等同于c[1,:,:]或c[1] array([[100, 101, 102],       [110, 112, 113]]) >>> c[...,2] #等同于c[:,:,2] array([[ 2, 13],       [102, 113]])

>>>for row in b: ...  print row ... [0 1 2 3] [10 11 12 13] [20 21 22 23] [30 31 32 33] [40 41 42 43]

>>>for element in b.flat: ...  print element, ... 0 1 2 3 10 11 12 13 20 21 22 23 30 31 32 33 40 41 42 43

>>> a= np.floor(10*np.random.random((3,4))) >>> a array([[ 7., 5., 9., 3.],       [ 7., 2., 7., 8.],       [ 6., 8., 3., 2.]]) >>> a.shape (3, 4)

>>> a.ravel() # 平坦化数组 array([ 7., 5., 9., 3., 7., 2., 7., 8., 6., 8., 3., 2.]) >>> a.shape= (6, 2) >>> a.transpose() array([[ 7., 9., 7., 7., 6., 3.],       [ 5., 3., 2., 8., 8., 2.]])

>>> a array([[ 7., 5.],       [ 9., 3.],       [ 7., 2.],       [ 7., 8.],       [ 6., 8.],       [ 3., 2.]]) >>> a.resize((2,6)) >>> a array([[ 7., 5., 9., 3., 7., 2.],       [ 7., 8., 6., 8., 3., 2.]])