numpy广播机制

import numpy as nparr1 = np.arange(24).reshape(4, 6)
print(arr1)print(arr1 + 2)  # 数组中的每一个元素都会进行运算arr2 = np.arange(100,124).reshape(4,6)
print(arr2)# 两个数组相加  --》形状相同，数组索引对应的元素会进行相加
print(arr1 + arr2)# 一维数组  --》形状不同，行也不同，列相同
arr3 = np.arange(0,6)
print(arr3)
print(arr2-arr3)# 行相同，列不同
arr4 = np.arange(0,4).reshape(4,1)
print(arr4)
print(arr2-arr4)
# 当两个数组行或者列不相同的时候（必须要有一个相同），就会出现广播机制运算
# 进行拆分，如果是行相同，就逐行运算，如果是列相同，就逐列运算

花式索引取值

import numpy as np# 一维数组
arr1 = np.random.random(12)
print(arr1)# 目标是一维数组，索引的结果就是对应的元素
index1 = np.array([0, 7, 9])
print(arr1[index1])# 二维数组
index2 = np.array([[2,4,6],[7,9,0]],dtype=np.int32)
print(index2)
print(arr1[index2])
# 根据index2中的每一个元素，去获取到arr1中的相应的数据，但是不改变维度（2行3列的二维数组）

统计方法

import numpy as np# 3行4列的二维数组
arr1 = np.arange(11,23).reshape(3,4)
print(arr1)# 最大值
print(arr1.max())  # 方法1：直接对象点上方法
print(np.max(arr1))  # 方法2：numpy点上方法，里面传入数组对象# 最小值
print(arr1.min())print(arr1[1].max())  # 针对第二行提取最大值
print(arr1[1].min())  # 针对第二行提取最小值
print(arr1[:, 0].max())  # 针对第一列提取最大值
print(arr1[:, 0].min())  # 针对第一列提取最小值# 最大值索引   ，索引值是降维以后的索引值
print(arr1.argmax())
# 最小值索引
print(arr1.argmin())# 计算总和,默认针对所有元素进行求和运算
print(arr1.sum())print(arr1.sum(axis=1))  # 行求和
print(arr1.sum(axis=0))  # 列求和# 计算第2列的总和
print(arr1[:,1].sum())# 平均值：将所有元素加起来，除以元素个数
print(arr1.mean())print(arr1.mean(axis=1))  # 行平均值
print(arr1.mean(axis=0))  # 列平均值# 累加的和
print(arr1.cumsum())# 累乘的和
print(arr1.cumprod())"""
方差 统计的方法是 每个样本值 与 全体样本值 的平均数之差 的平方值的平均值mean((x-x.mean())**2)
"""
print(np.var([1, 2, 3, 4]))  # mean = 2.5
# (1-2.5)**2  (2-2.5)**2"""标准差是方差的一个算数平方根std = sqrt(mean((x-x.mean())**2)
"""
print(np.std([1,2,3,4]))
print(np.sqrt(np.var([1,2,3,4])))

数组的拆分与合并

import numpy as nparr1 = np.random.randint(0, 10, (3, 12))
print(arr1)# 拆分
# hsplit()  垂直拆分 ↓
print(np.hsplit(arr1, 4))  # 垂直拆分成3个平均的数组a1, a2, a3, a4 = np.hsplit(arr1, 4)
print(a1)# 指定拆分
print(np.hsplit(arr1, (3, 4)))  # 在指定的索引位置进行拆分# vsplit（）  水平拆分  ->arr2 = np.random.randint(0, 10, (6, 3))
print(arr2)# 水平拆分，切分成两个平均的二维数组
print(np.vsplit(arr2, 2))# 数组合并
# hstack  水平合并
# vstack  垂直合并
arr3 = np.random.randint(0, 10, (2, 2))
arr4 = np.random.randint(0, 10, (2, 2))
print(arr3)
print(arr4)# 水平合并成两行四列的二维数组
print(np.hstack(tup=(arr3, arr4)))
# 垂直合并成一个4行2列的二维数组
print(np.vstack(tup=(arr3, arr4)))

线性代数方法

import numpy as np# 创建两个二维数组
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[11, 12], [13, 14]])
print(arr1)
print(arr2)
)
# 数组的点积运算 np.dot
print(np.dot(arr1, arr2))
"""
将arr1的每一行与arr2的每一列进行对应元素的相乘，且相加
1*11+2*13 = 37
1*12 +2*14 = 40
3*11+4*13 = 85
3*12+4*14 = 92
"""# 向量的点积运算 np.vdot
print(np.vdot(arr1, arr2))
"""
将数组展开成一维数组，进行索引元素内积，且相加
1*11+2*12+3*13+4*14 = 130
"""# 数组元素内积  np.inner
a = np.array([1, 2, 3])
b = np.array([0, 1, 0])
print(np.inner(a, b))  # 1*0+2*1+3*0  = 2# 二维元素
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[11, 12], [13, 14]])
print(np.inner(arr1, arr2))
"""
数组对应元素的内积
1*11+2*12 = 35
1*13 +2*14 = 41
3*11+4*12 = 81
3*13+4*14 = 95
"""