numpy用c语言写的，快 用矩阵运算会非常快
• numpy属性
ndim:矩阵的维度n shape：矩阵的形状（row,colum） size: row*colum
Import numpy as np
#一般会把numpy简化成np引入模块
a = np.array([ [],[] ]) Print(a) • numpy的Array创建 keyword： array：创建数组 dtype：指定数据类型 zeros：创建数据为0 ones：创建数据接近1 empty：创建数据接近0 arrage：按照指定范围创建数据 linespace：创建线段 Reshape(row,colum):重新创建矩阵
- 创建数组array
a= np.array([2,23,4]) #list 1d 1维
print(a)
#[2,23,4]
- 指定数据dtype
a= np.array([2,23,4],dtype=np.int)
print(a.dtype)
#int 64
#int 没有特殊说明默认为64位
a= np.array([2,23,4],dtype=np.int32)
print(a.dtype)
#int 32
a= np.array([2,23,4],dtype=np.float)
print(a.dtype)
#float 64
#float 没有特殊说明也默认为64位
|数据类型 | 类型简写| 说明| | int_ | 默认整型64位| | intc | 等价于long的整型| | int8 | i1 | (int最小字节) | 字节整型，1个字节，范围：[-128,127]| |int16| i2| 整型，2个字节，范围：[-32768,32767] int32 i4 整型，4个字节，范围：[-2^31,2^31-1] int64 i8 整型，8个字节，范围：[-2^63,2^63-1] unit8 u1 无符号整型，1个字节，范围：[0, 255] unit16 u2 无符号整型，2个字节，范围：[0, 65535] unit32 u4 无符号整型，4个字节，范围：[0, 2^32-1] unit64 u8 无符号整型，8个字节，范围：[0, 2^64-1] bool_ 以一个字节形式存储的布尔值（True 或者 False） float_ float64简写形式 float16 F2 半精度浮点型（2字节）：1符号位+5位指数+10位的小数部分 float32 F4或者f 单精度浮点型（4字节）：1符号位+8位指数+23位的小数部分 float64 F8或者d 双精度浮点型（8字节）：1符号位+11位指数+52位小数部分 complex_ c16 complex128的简写形式 complex64 c8 复数，由两个32位的浮点数来表示 complex128 c16 复数，由两个64位的浮点数来表示 object O Python对象类型 String_ S 固定长度的字符串类型（每个字符1个字节），比如：要创建一个长度为8的字符串，应该使用S8 Unicode_ U 固定长度的unicode类型的字符串（每个字符串占用字节数由平台决定），长度定义类似String_类型
- 创建特定的矩阵
- #注意括号的使用！！！
#创建一般矩阵
a= np.array([[2,23,4],[2,32,4]]) #2d,2*3
print(a)
#[[2,23,4]
[2,32,4]]
#创建全零矩阵
a=np.zeros((3,4)) #数据全为0，3*4 !注意zeros()本身就有括号的，里面的行列再用一个括号括起来
print(a)
#
[[0. 0. 0. 0.]
[0. 0. 0. 0.]
[0. 0. 0. 0.]]
#创建全一矩阵，同时也能指定特定数据的dtype
a=np.ones((3,4),dtype=np.int64)
print(a)
print(a.dtype)
#
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
int64
#创建全空矩阵——空矩阵的意思是连续的，非常接近于0但不是0的数
a=np.empty((3,4))
print(a)
#
[[6.95172316e-310 6.95172317e-310 6.95172317e-310 6.95172317e-310]
[6.95172317e-310 6.95172317e-310 6.95172317e-310 6.95172317e-310]
[6.95172317e-310 6.95172318e-310 6.95172316e-310 6.95172316e-310]]
或者还可以指定数数据字节数
a=np.empty((3,4),dtype=np.float16)
print(a)
#
[[8.057e-03 8.057e-03 8.057e-03 8.057e-03]
[8.057e-03 4.900e+01 1.105e+04 2.794e+03]
[1.394e+03 8.575e-03 1.511e+04 7.296e+03]]
#使用arange创建连续数组
a = np.arange(10,20,2) #10-19，步长为2的数组
b = np.arange(12)
print(a,b)
#[10 12 14 16 18] [ 0 1 2 3 4 5 6 7 8 9 10 11]
#reshape改变矩阵形状
a= np.arrage(12).reshape((3,4)) print(a)
[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]
#使用linspace创建线段型矩阵
a= np.linspace(1,10,5) #开始端1，结束端10，被分割成5个数据，生成线段 !注意这里的区间~ 如果是arange（）,左闭右开，但是linspace（）是左闭右闭 print(a)
[ 1. 3.25 5.5 7.75 10. ] #(10-1)/(5-1)
#linspace+reshape效果
a= np.linspace(1,10,6).reshape(2,3) print(a)
[[ 1. 2.8 4.6] [ 6.4 8.2 10. ]] #(10-1)/(6-1)
§ Numpy基础运算
```
Import numpy as np
a= np array([10,20,30,40])
b= np.arange(4)
```
- 两个矩阵减法
- 两个矩阵乘法
- 两个矩阵加法
- 矩阵乘方
- 矩阵 数学工具
矩阵 print中的逻辑判断