icon
小维AI总结
HunYuan-Turbos-Latest
思考中···

简介

numpy一般用来定义矩阵并调用里面的方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
import numpy as np

arr1 = np.arange(15).reshape(3, 5)  # 创建ndarray对象
print(arr1)
print("*" * 20)
print(f'np的轴：{arr1.ndim}')  # 2
print(f'np的维度：{arr1.shape}')  # 3行5列
print(f'np的元素类型：{arr1.dtype}')  # int32
print(f'np的元素个数：{arr1.size}')  # 15
print(f'np的元素字节数：{arr1.itemsize}')  # 4   32除8
print(f'np的元素类型：{type(arr1)}')  # <class 'numpy.ndarray'>
print("*" * 20)

# 矩阵运算

arr2 = np.array([10, 20, 30, 40])
arr3 = np.arange(4)  # 都是一行四列
print(arr2)
print(arr3)

print(arr2 + arr3)
print(arr2 - arr3)
print("*" * 20)
# 矩阵的乘法，行列数一致
arr4 = np.array([[1, 2, 3], [4, 5, 6]])
arr5 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr4 * arr5)
print(np.multiply(arr4, arr5))  # 这2个结果一样都是相乘
print("*" * 20)
# 矩阵乘，行列数不一致，需要a的列和b的行一致
arr4 = np.array([[1, 2, 3], [4, 5, 6]])
arr5 = np.array([[9, 8], [6, 5], [3, 2]])
print(np.dot(arr4, arr5))
print(arr4.dot(arr5))
print(arr4 @ arr5)  # 这3效果一致

常见的创建方式

把py列表转ndarray类型

1
2
3
4
5
6
7
8
9
# 把py列表转ndarray对象
import numpy as np

my_list = [11, 22, 33, 55, 67]
print(type(my_list))

arr2 = np.array(my_list)
print(arr2)
print(type(arr2))

arange(起始,结束,步长,dtype=类型)函数创建ndarray类型 类似py的range()函数

1
2
3
4
5
6
7
arr3 = np.arange(0, 10, 2, dtype=np.float32) #指定np的类型，有int32 int64等
print(arr3)
print(type(arr3))
print(f'元素的类型：{arr3.dtype}')
# [0. 2. 4. 6. 8.]
# <class 'numpy.ndarray'>
# 元素的类型：float32

random.rand() 生成 包左不包右 随机小数矩阵

randint(起始，结束，size=（行，列）)

1
2
3
4
5
6
7
print("*" * 20)
arr4 = np.random.rand(3, 5)
print(arr4)

print("*" * 20)
arr5 = np.random.randint(3, 5, size=(2, 6)) #2行3列   范围3-4，包左不包右，随机整数
print(arr5)

等比/等差数列

开始和结束点都是10的幂,base指定2为底数

1
2
3
4
5
6
7
8
9
arr3 = np.logspace(0, 0, 10)
print(arr3)

arr4 = np.logspace(0, 1, 10, base=2)  # 等比数列
print(arr4)

arr5 = np.linspace(1, 10, 10) # 等差数列浮点型   ,endpoint= False 不包含结束值, dtype=np.int32指定类型
print(arr5)

排序函数

1
2
3
4
5
6
7
8
9
10
11
12
13
import numpy as np

arr1 = np.array([12, 2, 33, 14, 5])

print(arr1)

arr2 = np.sort(arr1)  # 这样不修改原来数组
print("*" * 20)
print(arr1)
print(arr2)

arr1.sort()  # 这样直接修改原来数组
print(arr1)

类型转换

1
2
3
4
5
6
7
8
9
import numpy as np

arr1 = np.arange(0, 10, 2, dtype=np.int64)
print(arr1)
print(type(arr1))

arr2 = arr1.astype(np.float64)
print(arr2)
print(type(arr2))

常用方法速查

方法 示例 说明
np.array() np.array([1,2,3]) 从 Python 列表创建
np.zeros() np.zeros((2,3)) 创建全 0 矩阵
np.ones() np.ones((3,3)) 创建全 1 矩阵
np.eye() np.eye(3) 单位矩阵
np.full() np.full((2,2),7) 指定值填充
np.arange() np.arange(0,10,2) 生成等差序列
np.linspace() np.linspace(0,1,5) 生成等间隔序列
np.random.rand() np.random.rand(2,3) 0~1均匀分布随机数
np.random.randn() np.random.randn(2,3) 标准正态分布
np.random.randint() np.random.randint(0,10,(2,2)) 随机整数矩阵

矩阵运算

方法 示例 说明
加法 A + B 按元素
减法 A - B 按元素
乘法（逐元素） A * B 向量化操作
点乘（矩阵乘法） A.dot(B) 或 np.dot(A,B)
点乘（运算符） A @ B 同矩阵乘法
幂 A ** 2 每个元素平方
取反 -A 每个元素取负

示例：

1
2
3
A = np.array([[1,2],[3,4]])
B = np.array([[5,6],[7,8]])
C = A @ B

常用数学函数

函数 示例 说明
np.sum() np.sum(A) 求和
np.mean() np.mean(A) 均值
np.max() np.max(A) 最大值
np.min() np.min(A) 最小值
np.std() np.std(A) 标准差
np.sqrt() np.sqrt(A) 开根号
np.exp() np.exp(A) e^x
np.log() np.log(A) ln(x)
np.sin() np.sin(A) 正弦
np.cos() np.cos(A) 余弦
np.abs() np.abs(A) 绝对值
np.round() np.round(A,2) 保留小数

矩阵属性

表达式 说明
A.shape 形状
A.ndim 维度
A.size 元素总数
A.dtype 数据类型
A.T 转置
A.real 实部
A.imag 虚部

形状操作（Reshape / Flatten）

方法 示例 说明
reshape() A.reshape(3,2) 改形状
flatten() A.flatten() 展平为 1D
ravel() A.ravel() 展平（更快）
resize() A.resize(2,3) 直接修改原数组
transpose() A.transpose() 转置

示例：

1
2
A = np.array([[1,2],[3,4],[5,6]])
A.reshape(2,3)

索引操作

普通索引

1
2
3
4
A[0,1]     # 第一行第二列
A[:,1]     # 所有行，第2列
A[1,:]     # 第2行，所有列
A[0:2, :]  # 前两行

布尔索引

1
A[A > 0]

拼接操作（Concatenate / Stack）

方法 示例 说明
np.concatenate() np.concatenate([A,B], axis=0) 合并数组
np.hstack() np.hstack([A,B]) 水平拼接
np.vstack() np.vstack([A,B]) 垂直拼接
np.stack() np.stack([A,B], axis=0) 新增维度堆叠

线性代数

方法 示例 说明
np.linalg.inv() np.linalg.inv(A) 逆矩阵
np.linalg.det() np.linalg.det(A) 行列式
np.linalg.eig() np.linalg.eig(A) 特征值、特征向量
np.linalg.norm() np.linalg.norm(A) 范数
np.linalg.solve() np.linalg.solve(A,b) 解方程：Ax=b

示例：

1
2
A = np.array([[1,2],[3,4]])
inv = np.linalg.inv(A)

随机模块

方法 示例 说明
np.random.seed() np.random.seed(0) 设置随机种子
np.random.rand() np.random.rand(2,3) 均匀分布
np.random.randn() np.random.randn(2,3) 正态分布
np.random.randint() np.random.randint(0,10,(2,2)) 随机整数
np.random.shuffle() np.random.shuffle(A) 原地洗牌

类型转换

方法 示例 说明
astype() A.astype(np.float32) 转换数据类型

读写文件

方法 示例 说明
np.save() np.save(‘a.npy’,A) 保存二进制
np.load() np.load(‘a.npy’) 读取二进制
np.savetxt() np.savetxt(‘a.txt’,A) 保存文本
np.loadtxt() np.loadtxt(‘a.txt’) 读取文本

常见小技巧

  1. 快速生成单位矩阵
1
np.eye(4)
  1. 生成一个 10x10 的随机矩阵
1
np.random.randn(10,10)
  1. 快速查看数据统计信息
1
A.min(), A.max(), A.mean(), A.std()
  1. 比较两个矩阵是否相等
1
np.allclose(A, B)