numpy

import numpy as np

a1 = np.zeros((3,3),dtype = np.float32)

a2 = np.zeros\_like(a1)

a3 = np.ones((3,3),dtype = np.float32)

a4 = np.ones\_like(a3)

a5 = np.empty\_like(a4)

#构造随机矩阵

a1 = np.random.rand(3,3) #随机构造一个3x3 的矩阵

a2 = np.random.rand(3,3)



a3 = np.random.randint(10,size = (3,3)) #返回随机整数

a4 = np.random.randint(10,size = (3,3))

#随机高斯均值

mu,sigma = 0,0.1

norm\_array = np.random.normal(mu,sigma,10)

norm\_array

#洗牌

np.random.shuffle(norm\_array)

norm\_array

#随机种子

np.random.seed(100)

               

np.save('norm\_array.npy', norm\_array)

norm\_array2 = np.load('norm\_array.npy')

norm\_array2



array2 = array+1 #broadcast， array 中每个数值都进行加1 操作



array3.dtype



array3.itemsize 



array3.size #总共有多少个元素

array3.fill(0)

array3.ndim #显示维度

arr = array3.copy()

arr[1,2] = 1

arr #arr 变化

array3 #array3 没变

grade  = np.arange(0,100,10)

mask = np.array([0,0,0,0,1,1,1,1,1,1],dtype = bool) #0,1 转成bool 类型



#mask 作用再数组上，=True 保留

grade[mask]

#根据条件，找到索引

np.where(grade>50)

#数值运算

sum\_array = np.array([[1,2,3],[4,5,6]])

np.sum(sum\_array,axis=0) #沿着哪个轴进行相加

np.sum(sum\_array,axis=1)

#找索引位置，例如最小值的索引、最大值的索引 , 也可以指定轴

sum\_array.argmin()

sum\_array.argmax()

排序

li = [random.randint(0,9) for \_ in range(21)]

array = np.array(li)

array = np.reshape(array,[3,7])

np.sort(array,axis=1)

#生成某个范围均匀分布的n 元素数组

array = np.linspace(0,9,11)  #start,stop,num

#增加一个维度

array.shape #一个一维数组

array1 = array[np.newaxis,:]  #可以在前面增加一个维度，也可以在后面增加一个维度

array1.shape



array2 = array[:,np.newaxis]

array2.shape

#压缩多余的轴

array3 = array2.squeeze()

array3.shape

#转置：

array4 = np.linspace(1,10,10)

array4.shape = 2,5

array4.T

array4

#数组连接： concat

array5 = np.linspace(10,20,10)

array5.shape = 2,5

array6 = np.concatenate((array4,array5),axis = 0)

array6.shape

#拉长操作，打平array,回到1维数组

array7 = array6.flatten()

array7.shape