这是第二部分关于Numpy的一些基本操作
1.将arange中的向量形式转成矩阵形式：reshape
2.创造一个初始化空矩阵：np.zeros
3.产生随机数列，利用random和linespace
4.数组array进行计算以及科学计算
5.进行矩阵计算操作，矩阵转化为向量：ravel
6.对矩阵数组进行拼接和切分:hatack：横向拼接，vstack：纵向拼接
7.关于数组或者矩阵复制的三种方法
法1：让另一个变量与其相等（a=b）：二者内元素相同且id相同
法2：利用view进行潜复制：二者内元素相同且id不同
法3：利用copy函数：二者内元素不同且id不同
8.对一些特征值（最大值，最小值等）的提取
9.对数组进行扩展：np.tile
10.对数组进行排序：np.sort（元素大小），np.argsort（索引值）
#1.将arange中的向量形式转成矩阵形式并进行一些属性的打印
print(np.arange(15))
a=np.arange(15).reshape(3,5)
print(a)
print(a.shape)#形式：3行5列
print(a.ndim)#维数：2维
print(a.dtype.name)#数组里面值的类型:int32
print(a.size)#数组里有多少个元素：15
#2创造一个初始化空矩阵
b=np.zeros((3,4))#3行4列
print(b)
c=np.ones((2,3,4),dtype=np.int32)#2个3行4列矩阵，类型为int32
print(c)
#3产生随机数列，利用random和linespace
d=np.random.random ((2,3))
print(d)
#产生平均随机数列
from numpy import pi
f=np.linspace(0,2*pi,100)
print(f) #产生从0到2pi的100个随机点数
#4数组array进行计算以及科学计算
e=np.array([20,30,50,30])
g=np.arange(4)
print(e)
print(g)
h=e-g#对应位置进行相减
print(h)
h=h-5
g**2#数组平方
print(g**2)
print(e<10)#判断是否小于10
k=np.arange(3)
print(np.exp(k))#取e的次幂
print(np.sqrt(k))#开根号
#5进行矩阵计算操作
l=np.floor(10*np.random .random ((3,4))) #产生3行4列的随机数，并且乘以10，并向下取整
print(l)
print('-------------')
print(l.ravel())#将矩阵转化为向量，ravel，将向量转矩阵是：reshape。
print('-------------')
l.shape=(6,2)#指定6行2列
print(l)
print('-------------')
print(l.T) #求转置矩阵
print('-------------')
print(l.reshape((3,-1)))
#如果一个矩阵的元素确定后，那么指定一个维数，另一个维数也是确定的。因此a.reshape（3，-1）也是确定的
#6对矩阵数组进行拼接和切分:hatack：横向拼接，vstack：纵向拼接
m=np.floor(10*np.random .random ((4,4)))
n=np.floor(10*np.random .random ((4,4)))
print(m)
print(n)
print(np.hstack((m,n)))#对矩阵按照行进行纵向拼接：hstack
print(np.vstack((m,n)))#对矩阵按照列进行横向拼接:vstack
print(np.hsplit(m,2))#按照行进行纵向切分：hsplit
print('-------------')
print(np.hsplit(m,(1,2)))#对指定位置进行按照行进行纵向切分：hsplit
#7关于数组或者矩阵复制的三种方法
#法1：让另一个变量与其相等：二者内元素相同且id相同
o=np.arange(12)
p=o
#o和p只是两个名字不同但是内容相同的数组
print(o is p)#True
p.shape =(2,6)
print(p.shape )
print(id(o))#对象的标识，这是唯一的,ID:157278496
print(id(p))#ID:157278496
print(help(id))
#法2：利用view进行潜复制：二者内元素相同且id不同
r=o.view()
print(r is o)#False
#虽然发生了复制但是o和r却是不同的数组
r.shape =(2,6)
print(p.shape )
r[0,4]=1234
print(o)#元素值是共用的，但是id是不一样的
print(id(o))#对象的标识，这是唯一的，ID：157278496
print(id(r))#二者的id也是不同的，ID:157363216
#法3：利用copy函数：二者内元素不同且id不同
s=o.copy()
print(s is o)
s[0,0]=55
print(s)
print(o) #二者的元素值也是不共用的，并且id也是不同的
#8.对一些特征值（最大值，最小值等）的提取
data=np.sin(np.arange(20)).reshape(5,4)
print(data)
ind=data.argmax(axis=0)#按列进行索引，查找最大值，得到列中的行数
print(ind)
data_max=data[ind,range(data.shape[1])]#通过找到其列的位置，组合从而获得最大值
print(data_max)
#9.对数组进行扩展
t=np.arange(0,40,10)#从0到40，每10个加1个
print(t)
v=np.tile(t,(3,5))#进行扩展
print(v)
#10.对数组进行排序
w=np.array([[4,3,5],[1,2,1]])
print(w)
print('-------------')
x=np.sort(w,axis=1)#对数组进行按列从小到大的排序
print(x)
y=np.array([4,3,1,2])
z=np.argsort(y)#求的是从小到大的索引值
print('-------------')
print(z)
print('-------------')
print(y[z])#从索引值中获取到最大值本文以唐宇迪老师机器学习讲解为基础进行编写，仅供学习和参考。