Numpy是Python的一个科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。其实，list已经提供了类似于矩阵的表示形式，不过numpy为我们提供了更多的函数。如果接触过matlab、scilab，那么numpy很好入手。
一、模块引用
import numpy as np
二、数组的创建
这里先看一下多维度数组的格式，下例是一个三维数组，以楼房的方式理解最直观。
[#数组一层
[1, 3, 4, 6],#一层1单元
[2, 5, 6, 7]#一层2单元
],
[#数组二层
[1, 3, 4, 6],#二层1单元
[2, 5, 6, 7]#二层2单元
]注意，数组元素必须放入[]或()之间
2.1普通创建
一维数组创建
np.array([1,2,3,4]) >>>array([1, 2, 3, 4])
多维数组创建
c=np.array([
[
[
[1,2],[3,4]#3维层(内部元素为思维)
],#2维层
[
[5,6],[7,8]
]
],#1维层
[
[
[9,10],[11,12]
],
[
[13,14],[15,16]#3维层(内部元素为思维)
]#2维层
]#1维层
])
print(c)
>>>
[[[[ 1 2]
[ 3 4]]
[[ 5 6]
[ 7 8]]]
[[[ 9 10]
[11 12]]
[[13 14]
[15 16]]]]?
2.1.1内置方法创建(arange创建)
arange的使用方法与python内置方法range相同，这里不再赘述，看程序
import numpy as np
a=np.arange(20)
b=np.arange(10,20)
c=np.arange(10,20,2)
d=np.arange(20,10,-1)
print("普通玩法：",a)
print("带起始点的玩法：",b)
print("带步长的玩法：",c)
print("倒着玩：",d)
>>>
普通玩法： [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
带起始点的玩法： [10 11 12 13 14 15 16 17 18 19]
带步长的玩法： [10 12 14 16 18]
倒着玩： [20 19 18 17 16 15 14 13 12 11]
2.1.2内置方法创建(random创建)
与random模块不同，这个random是numpy内置的方法，用法上是相同的，同样看程序
import numpy as np
a=np.random.random((2,2))#0~1的随机数
b=np.random.randn(2,2)#符合正态分布的随机数
c=np.random.randint(2,10,(2,2))#从2~10的随机整数
print("0~1的随机数：",a)
print("正态分布的随机数：",b)
print("从2~10的随机整数：",c)
>>>
0~1的随机数： [[0.93614432 0.56444734]
[0.29267612 0.38625066]]
正态分布的随机数： [[-1.26606533 0.68466118]
[ 0.34377799 0.1318619 ]]
从2~10的随机整数： [[4 8]
[9 6]]
numpy.random下所有创建方式如下表所示：
| 方法名称 | 解析 |
| rand(d0, d1, ..., dn) | 随机值。 |
| randn(d0, d1, ..., dn) | 返回一个样本，具有标准正态分布。 |
| randint(low[, high, size]) | 返回随机的整数，位于半开区间 [low, high)。 |
| random_integers(low[, high, size]) | 返回随机的整数，位于闭区间 [low, high]。 |
| random_sample([size]) | 返回随机的浮点数，在半开区间 [0.0, 1.0)。 |
| choice(a[, size, replace, p]) | 生成一个随机样本，从一个给定的一维数组。 |
2.1.3内置方法创建(等差等比创建)
np.linspace (起始值,终止值,元素总数)：创建一维等差数组。
np.logspace(起始值,终止值,元素总数)：创建一维等比数组。
import numpy as np
a=np.linspace(0,10,5)
b=np.logspace(0,2,5)
print("等差数组：",a)
print("等比数组：",b)
>>>
等差数组： [ 0. 2.5 5. 7.5 10. ]
等比数组： [ 1. 3.16227766 10. 31.6227766 100. ]
2.1.4内置方法创建(特殊构造)
np.zeros(shape, dtype=float, order=‘C‘):创建一个全0数组，shape要以元组格式传入。
np.ones(shape, dtype=None, order=‘C‘)：创建一个全1数组，shape要以元组格式传入。
np.empty(shape, dtype=None, order=‘C‘)：创建一个拥有趋近0值的数组，shape要以元组格式传入。
np.eye(N, M=None, k=0, dtype=float, order=‘C‘)：创建一个对角矩阵，N代表行，M代表列。其中有个参数k默认值为0，它代表偏移量，正1时向主对角线右上偏移1位，负1时向主对角线左下偏移1位。
np.full(shape, fill_value, dtype=None, order=‘C‘)：创建一个以fill_value进行填充的数组，fill_value为想要填充的值
import numpy as np
a=np.zeros((2,2))
b=np.ones((2,2))
c=np.empty((2,2))
d=np.eye(2, 2, 0)
e=np.full((2,2), 17)
print("全0数组：",a)
print("全1数组：",b)
print("趋近0数组：",c)
print("对角矩阵：",d)
print("全17数组：",e)
>>>
全0数组： [[0. 0.]
[0. 0.]]
全1数组： [[1. 1.]
[1. 1.]]
趋近0数组： [[9.90263869e+067 8.01304531e+262]
[2.60799828e-310 0.00000000e+000]]
对角矩阵： [[1. 0.]
[0. 1.]]
全17数组： [[17 17]
[17 17]]