NumPy 简单入门学习

提示：仅记录需要记忆的知识点和不易理解的知识点

---

---

前言

提示：这里可以添加本文要记录的大概内容：

NumPy：行向量和矩阵计算数学库，围绕 ndarrays 数组展开（n-dimension array ：n维数组）

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、创建数组

用于生成从0到2π的五个值组成的数组。

 np.linspace(0, 2*np.pi, 5)

二、多维数组切片

1.切片的多种形式

代码如下（示例）：

# MD slicing
print(a[0, 1:4]) # >>>[12 13 14]
print(a[1:4, 0]) # >>>[16 21 26]
print(a[::2,::2]) # >>>[[11 13 15]
                  #     [21 23 25]
                  #     [31 33 35]]
print(a[:, 1]) # >>>[12 17 22 27 32]

2.数组的数学运算

点积 dot, 求和 sum, 求最小 min, 求最大 max, 累计求和 cumsum 函数代码如下（示例）：

# dot, sum, min, max, cumsum
a = np.arange(10)

print(a.sum()) # >>>45
print(a.min()) # >>>0
print(a.max()) # >>>9
print(a.cumsum()) # >>>[ 0  1  3  6 10 15 21 28 36 45]

3.布尔屏蔽

示例显示了如何进行布尔屏蔽。你所要做的就是将数组传递给涉及数组的条件，它将为你提供一个值的数组，为该条件返回true。

# Boolean masking
import matplotlib.pyplot as plt

a = np.linspace(0, 2 * np.pi, 50)
b = np.sin(a)
plt.plot(a,b)
mask = b >= 0
plt.plot(a[mask], b[mask], 'bo')
mask = (b >= 0) & (a <= np.pi / 2)
plt.plot(a[mask], b[mask], 'go')
plt.show()

4.Where 函数

点积 dot, 求和 sum, 求最小 min, 求最大 max, 累计求和 cumsum 函数代码如下（示例）：

# dot, sum, min, max, cumsum
a = np.arange(10)

print(a.sum()) # >>>45
print(a.min()) # >>>0
print(a.max()) # >>>9
print(a.cumsum()) # >>>[ 0  1  3  6 10 15 21 28 36 45]

---

总结

以上就是今天要讲的内容，本文仅仅简单介绍了numpy的基础入门知识。