看matlab的書籍看到使用矩陣運算可以在一定程度上提高軟體的執行效率，我又想到了python，想到了numpy。且不管兩個是否一樣能夠加速軟體的執行速度，學習一點基礎的numpy似乎是很有必要了。
引用numpy庫
>>> import numpy as np
建立一維矩陣，從下面的**以及執行結果中可以看出，建立矩陣的時候使用列表和元組作用相同。
>>> a = np.array([1,2,3,4])
>>> a
array([1, 2, 3, 4])
>>> b = np.array((1,2,3,4))
>>> b
array([1, 2, 3, 4])
檢視矩陣的資料型別
>>> a.dtype
dtype(『int64')
建立多維矩陣，從下面的**以及執行結果可以看出，array函式的引數最多只能有2個同型別引數。建立多維矩陣，元素可以放進乙個列表中，不同的矩陣行儲存到列表的元素中。
>>> c = np.array([1,2,3,4],[4,5,6,7],[7,8,9,10])
traceback (most recent call last):
file "", line 1, in
valueerror: only 2 non-keyword arguments accepted
>>> c = np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]])
>>> c
array([[ 1, 2, 3, 4],
[ 4, 5, 6, 7],
[ 7, 8, 9, 10]])
檢視矩陣的維度
>>> a.shape
(4,)
>>> c.shape
(3, 4)
修改矩陣維度
>>> d = c.reshape((6,2))
>>> d
array([[ 1, 2],
[ 3, 4],
[ 4, 5],
[ 6, 7],
[ 7, 8],
[ 9, 10]])
>>> d = c.reshape(4,3)
>>> d
array([[ 1, 2, 3],
[ 4, 4, 5],
[ 6, 7, 7],
[ 8, 9, 10]])
根據已有的矩陣建立新矩陣，同時制定元素的資料型別，分別使用預設引數和指明引數兩種方式
>>> b = np.array(a,float)
>>> b
array([ 1., 2., 3., 4.])
>>> b = np.array(a,dtype = np.complex)
>>> b
array([ 1.+0.j, 2.+0.j, 3.+0.j, 4.+0.j])
NumPy 建立陣列
ndarray 陣列除了可以使用底層 ndarray 構造器來建立外，也可以通過以下幾種方式來建立。numpy.empty 方法用來建立乙個指定形狀 shape 資料型別 dtype 且未初始化的陣列 numpy.empty shape,dtype float,order c 引數說明 引數描述 s...
numpy建立陣列
numpy.empty 建立指定形狀 資料型別且未初始化的陣列 numpy.empty shape,dtype float,order c numpy.zeros 建立指定大小的全0陣列numpy.zeros shape,dtype float order c numpy.ones 建立指定大小的全...
NumPy 陣列建立
要建立ndarray陣列物件，除了使用底層的ndarray建構函式 ndarray.array 還可以使用下面介紹的函式。empty函式建立未初始化陣列，可以指定陣列形狀和資料型別。語法如下所示 numpy.empty shape,dtype float order c 引數 示例 import n...