使用Numpy进行数组运算
相比 List，NumPy 数组的优势
NumPy 全称为 Numerical Python，是 Python 的一个以矩阵为主的用于科学计算的基础软件包。NumPy 和 Pandas、Matpotlib 经常结合一起使用，所以被人们合称为数据分析三剑客。Numpy 中有功能强大的 ndarray 对象，能创建 N 维的数组，另外还提供很多通用函数，支持对数组的元素进行操作、支持对数组进行算法运算以及提供常用的统计函数
相比 List 对象，NumPy 数组有以下优势：
这是因为列表 list 的元素在系统内存中是分散存储的，而 NumPy 数组存储在一个均匀连续的内存块中。这样数组计算遍历所有元素，不像列表 list 还需要对内存地址进行查找，从而节省了计算资源。
Numpy数组能够运用向量化运算来处理整个数组，速度较快；而 Python 的列表则通常需要借助循环语句遍历列表，运行效率相对来说要差。
NumPy 中的矩阵计算可以采用多线程的方式，充分利用多核 CPU 计算资源，大大提升了计算效率。
Numpy 使用了优化过的 C API，运算速度较快。
创建一、二维数组
import numpy as np
one = np.array([1,2,3])
two = np.array([[1,2,3],[4,5,6]])
print(one)
print(two)
print('one: ', one.shape)
print('two: ', two.shape)
其中 shape 是数组的一个属性，表示获取数组大小(有多少行，有多少列)，如果是一维数组，则只显示（行，）。代码中打印出 nd_two 的形状，输出为（2，3），表示数组中有 2 行 3 列。
二维数组需要2个以上[]，([[1,2,3],[4,5,6]])。
使用内置函数创建数组
x0 = np.arange(1,20,3)
print(x0)
x2 = np.arange(10)
print(x2)
x1 = np.arange(15).reshape((5,3))
print(x1)
print(type(x1))
x3 = np.full((5,4),10,dtype=int)
print(x3)
x4 = np.eye(3,dtype=int)
print(x4)
x5 = np.random.randint(0,100,(4,5))
print(x5)
矩阵乘法
import numpy as np
# 矩阵的点乘
x1 = np.array([1,2,3,4])
print(x1)
theat = np.array([1,2,3,4]).T #转置
y = np.dot(theat,x1)
print(y)
print(type(y))
# 矩阵相乘
x2 = np.array([[1,2,3],[3,2,1],[4,5,6]])
y2 = np.array([1,2,3]).T
print(y2)
yy = np.dot(x2,y2)
print(yy)
使用 zeros()，ones()，full() 创建数组
import numpy as np
# 创建一个 3x4 的数组且所有值全为 0
x3 = np.zeros((3, 4), dtype=int)
print(x3)
# 创建一个 3x4 的数组且所有元素值全为 1
x4 = np.ones((3, 4), dtype=int)
print(x4)
# 创建一个 3x4 的数组，然后将所有元素的值填充为 2
x5 = np.full((3, 4), 2, dtype=int)
print(x5)
>>> 运行结果：
[[0 0 0 0]
[0 0 0 0]
[0 0 0 0]]
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
[[2 2 2 2]
[2 2 2 2]
[2 2 2 2]]
使用 eye() 创建单位矩阵
eye() 创建的数组特点是行数和列数都是一样。因为它创建出来的是单位矩阵，单位矩阵是正形矩阵，对角线的值均为 1，其他位置的值为 0。
import numpy as np
# 创建 3x3 的单位矩阵
x6 = np.eye(3, dtype=int)
print(x6)
>>> 运行结果：
[[1 0 0]
[0 1 0]
[0 0 1]]
4 使用 diag() 创建对角矩阵
diag() 是创建一个 NxN 的对角矩阵，对角矩阵是对角线上的主对角线之外的元素皆为 0 的矩阵。
import numpy as np
x7 = np.diag([1, 2, 3])
print(x7)
>>> 运行结果：
[[1 0 0]
[0 2 0]
[0 0 3]]
使用 random 创建随机数组
numpy 中的 random 中有很多内置函数，能简单介绍其中的几种。
import numpy as np
# 创建 2x2 数组且所有值是随机填充
x9 = np.random.random((2, 2))
print(x9)
# 创建一个值在 [0, 10) 区间的 3x3 的随机整数
x10 = np.random.randint(0, 10, (3, 3))
print(x10)
>>> 运行结果：
[[ 0.77233522 0.41516417]
[ 0.22350126 0.31611254]]
[[0 6 5]
[7 6 4]
[5 5 9]]
