Python 的numpy包使用總結

python中的numpy包是乙個科學計算包，在進行科學計算時多數情況下都會用到這個包，但是其中的array和mat這兩個函式的區別還是要注意。資料的型別很有可能是程式出現bug的乙個難以發現的原因（自身教訓）

if __name__ == '__main__':

# 一維
two = [1, 3, 5, 2, 3, 2]
two1 = np.array(two)
print(two)  # [1, 3, 5, 2, 3, 2]  type:list
print(two1)  # [1 3 5 2 3 2]  type:tuple
print(two1.shape)  # (6,)
print(two1.tolist())  # [1, 3, 5, 2, 3, 2]  type:list
print(len(two1.tolist()))  # 6
two2 = np.mat(two)
print(two2)  # [[1 3 5 2 3 2]]  type:tuple
print(two2.shape)  # (1, 6)
print(two2.tolist())  # [[1, 3, 5, 2, 3, 2]]  type:list
print(len(two2.tolist()))  # 1

所以在使用命令tolist進行對array轉換後可以轉換成原來的樣子，對mat型別轉換後會和原來有所不同。

這裡的區別在1維情況下表現的很明顯。對於下面的多緯情況沒啥差別。

對於多維的list，array和mat基本沒有差別：但是在 * 操作時候是有差別的

# 多維陣列

two = [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16], [17, 18, 19, 20]]
two1 = np.array(two)
print(two)
'''[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16], [17, 18, 19, 20]]
'''print(two1)
'''[[ 1  2  3  4]
[ 5  6  7  8]
[ 9 10 11 12]
[13 14 15 16]
[17 18 19 20]]
'''print(two1.shape)  # (5, 4)
print(two1.tolist())
'''[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16], [17, 18, 19, 20]]
'''print(len(two1.tolist()))  # 5
two2 = np.mat(two)
print(two2)
'''[[ 1  2  3  4]
[ 5  6  7  8]
[ 9 10 11 12]
[13 14 15 16]
[17 18 19 20]]
'''print(two2.shape)  # (5, 4)
print(two2.tolist())
'''[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16], [17, 18, 19, 20]]
'''print(len(two2.tolist()))  # 5
two3=two1.t # 陣列轉置
two4=two2.t # 矩陣轉置
y=two1 * two1 # 陣列相乘：各元素對應相乘
'''[[  1   4   9  16]
[ 25  36  49  64]
[ 81 100 121 144]
[169 196 225 256]
[289 324 361 400]]
'''#y1 = np.dot(two1, two1)  # dot()函式是矩陣乘，而*則表示逐個元素相乘; 5x4 和 5x4 矩陣乘報錯
y1 = np.dot(two1, two1.t) # 可以將two1其轉置 然後矩陣乘
'''[[  30   70  110  150  190]
[  70  174  278  382  486]
[ 110  278  446  614  782]
[ 150  382  614  846 1078]
[ 190  486  782 1078 1374]]
'''y4 = two2 * two2.t  # 矩陣相乘：等同於 p.dot(two2, two2.t)
'''[[  30   70  110  150  190]
[  70  174  278  382  486]
[ 110  278  446  614  782]
[ 150  382  614  846 1078]
[ 190  486  782 1078 1374]]
'''

matrix是array的分支，matrix和array在很多時候都是通用的，你用哪乙個都一樣。但這時候，官方建議大家如果兩個可以通用，那就選擇array，因為array更靈活，速度更快，很多人把二維的array也翻譯成矩陣。

但是matrix的優勢就是相對簡單的運算符號，比如兩個矩陣相乘，就是用符號*，但是array相乘不能這麼用，得用方法.dot()

array的優勢就是不僅僅表示二維，還能表示3、4、5…維，而且在大部分python程式裡，array也是更常用的。

x[:,0]就是取矩陣x的所有行的第0列的元素，x[:,1] 就是取所有行的第1列的元素。

x[:,  m:n]即取矩陣x的所有行中的的第m到n-1列資料，含左不含右。

x[0,:]就是取矩陣x的第0行的所有元素，x[1,:]取矩陣x的第一行的所有元素。

print(two1[0,:])

'''[1 2 3 4]
'''print(two2[:,0])
'''[[ 1]
[ 5]
[ 9]
[13]
[17]]
'''

python庫numpy的使用

python在構造機器學習應用程式時，numpy作為乙個重要的函式庫會被經常使用，裡面有便捷的向量和矩陣的計算函式 from numpy import 構造4 4的隨機矩陣 matrix mat random.rand 4,4 矩陣逆矩陣 invmat matrix.i 單位矩陣 matrix ma...

numpy包的安裝

2，配置python環境變數 在電腦的系統屬性的系統變數path中新增python的安裝路徑，如在path中加入 f python34 f python34 scripts 3，使用pip 指令安裝numpy包 3.1 開啟dos命令輸入 pip install numpy 就會自動安裝 時間有點久...

小白 日常 Python安裝Numpy包

anyway，應該也有像我一樣的python小白需要這種step by step的安裝doc。希望能幫助到大家！1.以windows環境下為例，將安裝到本地的numpy 1.11.3 mkl cp27 cp27m win32.whl放到python的scripts資料夾下 2.win r開啟執行介面...