第2章-NumPy-数值计算基础.pptVIP

In[46]: arr = np.arange(12).reshape(3,4) print(创建的二维数组为：,arr) Out[46]: 创建的二维数组为： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] In[47]: print(数组展平后为：,arr.ravel()) Out[47]: 数组展平后为： [ 0 1 2 3 4 5 6 7 8 9 10 11] 变换数组的形态 使用ravel函数展平数组 In[48]: print(数组展平为：,arr.flatten()) #横向展平 Out[48]: 数组展平为： [ 0 1 2 3 4 5 6 7 8 9 10 11] In[49]: print(数组展平为：,arr.flatten(F)) #纵向展平 Out[49]: 数组展平为： [ 0 4 8 1 5 9 2 6 10 3 7 11] 变换数组的形态 使用flatten函数展平数组 使用hstack函数实现数组横向组合：np.hstack((arr1,arr2)) 使用vstack函数实现数组纵向组合：np.vstack((arr1,arr2)) 使用concatenate函数实现数组横向组合：np.concatenate((arr1,arr2),axis = 1)) 使用concatenate函数实现数组纵向组合：np.concatenate((arr1,arr2),axis = 0)) 变换数组的形态 组合数组 使用hsplit函数实现数组横向分割： np.hsplit(arr1, 2) 使用vsplit函数实现数组纵向分割： np.vsplit(arr, 2) 使用split函数实现数组横向分割： np.split(arr, 2, axis=1) 使用split函数实现数组纵向分割： np.split(arr, 2, axis=0) 变换数组的形态 切割数组 目录 使用mat函数创建矩阵： matr1 = np.mat(1 2 3;4 5 6;7 8 9) 使用matrix函数创建矩阵：matr2 = np.matrix([[123],[456],[789]]) 使用bmat函数合成矩阵：np.bmat(arr1 arr2; arr1 arr2) 创建NumPy矩阵 创建与组合矩阵 矩阵与数相乘：matr1*3 矩阵相加减：matr1±matr2 矩阵相乘：matr1*matr2 矩阵对应元素相乘：np.multiply(matr1,matr2) 矩阵特有属性： 创建NumPy矩阵 矩阵的运算 属性 说明 T 返回自身的转置 H 返回自身的共轭转置 I 返回自身的逆矩阵 A 返回自身数据的2维数组的一个视图 四则运算：加（+）、减（-）、乘（*）、除（/）、幂（**）。数组间的四则运算表示对每个数组中的元素分别进行四则运算，所以形状必须相同。 比较运算：、、==、=、=、!=。比较运算返回的结果是一个布尔数组，每个元素为每个数组对应元素的比较结果。 逻辑运算：np.any函数表示逻辑“or”，np.all函数表示逻辑“and”。运算结果返回布尔值。 认识ufunc函数 全称通用函数（universal function），是一种能够对数组中所有元素进行操作的函数。 广播（broadcasting）是指不同形状的数组之间执行算术运算的方式。需要遵循4个原则。 让所有输入数组都向其中shape最长的数组看齐，shape中不足的部分都通过在前面加1补齐。 输出数组的shape是输入数组shape的各个轴上的最大值。 如果输入数组的某个轴和输出数组的对应轴的长度相同或者其长度为1时，这个数组能够用来计算，否则出错。 当输入数组的某个轴的长度为1时，沿着此轴运算时都用此轴上的第一组值。 认识ufunc函数 ufunc函数的广播机制 认识ufunc函数 ufunc函数的广播机制 认识ufunc函数 ufunc函数的广播机制 1 掌握 NumPy 矩阵与通用函数 利用 NumPy 进行统计分析 目录 掌握 NumPy 数组对象 ndarray 2 3 save函数是以二进制的格式保存数据。 np.save(../tmp/save_arr,arr) load函数是从二进制的文件中读取数据。 np.load(../tmp/save_arr.npy) savez函数可以将多个数组保存到一个文件中。 np.savez(../tmp/savez_arr,arr1,arr2) 存储时可以省略扩展名，但读取时不能省略扩展名。 读写文件 NumPy文件读写主要有二进制的文件读写和文件列表形式的数据读写两种形式 save