numpy介紹 基礎操作（6）

這次教程是對python的numpy這個包做乙個介紹

numpy是python用於分析資料，處理矩陣的乙個非常實用的包，下面我將會在jupyter notebook上，一步一步實現numpy這個包的各種用法，並配上說明。

這一節我們要學習的是，生成矩陣。

import numpy as np

import pandas as pd
a=np.random.random([3,3])
a

按照上圖方法，可以建立乙個3行3列的矩陣，矩陣元素隨機分布在0到1之間

array([[0.73171217, 0.43880544, 0.21583348],

[0.46026688, 0.7176575 , 0.33961139],
[0.76468958, 0.08658304, 0.70468339]])

#利用tuple來建立乙個array

#dtype的意思是，將傳入的tuple轉化成array形式，並且型別為int型別，也就是整數型
t=(1,2,3)
a=np.array(t,dtype='int')
a

array([1, 2, 3])

list1=[1,2,3]

a=np.array(list1,dtype='int')
a

array([1, 2, 3])

list2=[3.1,4.6,7.4]

b=np.array([list1,list2])
b#合併之後的list1變成了1. 2. 3.,從int型自動變成了float型

array([[1. , 2. , 3. ],

[3.1, 4.6, 7.4]])

#將dtype寫成complex可以將輸入的array變成虛數

c=np.array([[1,2],[3,4]],dtype=complex)
c

array([[1.+0.j, 2.+0.j],

[3.+0.j, 4.+0.j]])

我們還可以檢視numpy生成的array的結構，利用shape這個函式。

c.shape

(2, 2)

np.zeros([2,2])

array([[0., 0.],

[0., 0.]])

np.ones([2,3])

array([[1., 1., 1.],

[1., 1., 1.]])

繼續~我們來生成對角線為1的矩陣

#斜角為1的矩陣

np.eye(4)

array([[1., 0., 0., 0.],

[0., 1., 0., 0.],
[0., 0., 1., 0.],
[0., 0., 0., 1.]])

#從2開始到12為止（不包括12），每隔2個數出現

np.arange(2,12,2)

array([ 2,  4,  6,  8, 10])

#linspace（a,b,c）代表，從a到b，按照c進行等分

np.linspace(0,10,3)

array([ 0.,  5., 10.])

np.linspace(0,10,5)

array([ 0. ,  2.5,  5. ,  7.5, 10. ])

對於矩陣的生成方法基本介紹完了，下一節將會介紹，如果對numpy生成的array進行計算~

謝謝

numpy基礎操作

猴急先導入包 import numpy as npvct row np.array 1 2,3 行向量 vct col np.array 4 5 6 列向量matrix np.array 1,2,3 4,5,6 7,8,9 mtx np.mat 1,2,3 4,5,6 7,8,9 from scip...

筆記 NumPy基礎操作

學機器學習做點小筆記，都是python的numpy庫的基本小操作，圖書館借的書看到的，怕自己還了書後忘了，就記下來。一般習慣匯入numpy時使用import numpy as np，不要直接import，會有命名空間衝突。比如numpy的array和python自帶的array。numpy下有兩個可...

numpy 介紹和基礎使用詳解

numpy 提供了乙個在python中做科學計算的基礎庫，重在數值計算，主要用於處理多維陣列，用於儲存和處理大型矩陣，本身是由c語言開發，比python自身的列表結構要高效的多。高效能科學計算和資料分析的基礎包，總結 形狀 ndarray.shape 重新改變陣列形狀 ndarray.reshape...