numpy基本运算

矩阵减法

# 矩阵减法
a = np.array([10,20,30,40])
b = np.arange(4)
print(a,b,end='\n')
# [10 20 30 40] [0 1 2 3]
c = a - b
print(c)
# [10 19 28 37]
# 将2个矩阵对应位置上的数据相减

矩阵加法

# 矩阵加法
a = np.array([10,20,30,40])
b = np.arange(4)
print(a,b,end='\n')
# [10 20 30 40] [0 1 2 3]
c = a + b
print(c)
# [10 21 32 43]
# 将2个矩阵对应位置上的数据相加

矩阵平方

# 矩阵平方
a = np.arange(4)
print(a)
# [0 1 2 3]
b = a**2
print(b)
# [0 1 4 9]
# 矩阵平方，将每一个元素都平方

三角函数的使用

# 三角函数
a = np.arange(4)
print(a)
# [0 1 2 3]
b = np.sin(a)
c = np.cos(a)
d = np.tan(a)

print(b,c,d,end='\n')
# [0.         0.84147098 0.90929743 0.14112001]
# [ 1.          0.54030231 -0.41614684 -0.9899925 ]
# [ 0.          1.55740772 -2.18503986 -0.14254654]

矩阵中的 > < = 运算

# 矩阵元素的 > < = 运算（满足条件的返回True）
a = np.arange(4).reshape((2,2))
print(a<2)
# [[ True  True]
#  [False False]]

判断矩阵中元素是否等于某个值

# 矩阵中所有的元素是否 等于某个数
a = np.arange(4)
print(a == 3)
# [False False False  True]

矩阵对应元素逐个相乘

# 矩阵逐个相乘，两矩阵中对应位置的元素相乘
a = np.array([[1, 1], [0, 1]])
b = np.arange(4).reshape((2,2))
c = a*b
print(c)
# [[0 1]
#  [0 3]]

矩阵乘法

# 矩阵相乘 ，使用矩阵运算中的乘法
a = np.array([[1, 1], [0, 1]])
b = np.arange(4).reshape((2,2))
print(a)
# [[1 1]
#  [0 1]]
print(b)
# [[0 1]
#  [2 3]]
c = np.dot(a,b)
# c = a.dot(b)
# 第二种方式 c = a.dot(b) # 计算结果一致
print(c)
# [[2 4]
#  [2 3]]

# [[1 1]    [0 1]     [1*0+1*2 1*1+1*3] [2 4]
#  [0 1]]   [2 3]     [0*0+1*2 0*1+1*3] [2 3]
# 两个矩阵分别为 n行m列 和 m行n列 相乘后变成 n行m列的矩阵
# 新矩阵中某个元素的位置为（x,y）满足等于 第一个矩阵x行中所有元素 与 第二个矩阵y列中所有元素 按位置对应相乘后相加的值
# 如新矩阵中的（1，2）的值等于 第一个矩阵第一行所有的元素[1 1]与第二个矩阵第2列所有元素[1 3]相乘(1*1 + 1*3)后相加等于4

矩阵所有元素求和，最大值，最小值,平均值

# 矩阵所有元素的和，最大值，最小值，平均值
a = np.random.random((2,4))
print(a)
print(np.sum(a))
print(np.max(a))
print(np.min(a))
print(np.average(a)) # 平均值
# [[0.79787816 0.03189026 0.24059348 0.24547123]
#  [0.40299706 0.27225207 0.02424245 0.24819334]]
# 2.2635180519315914
# 0.7978781604458902
# 0.02424245068439812
# 如果要对每一行，或每一列进行求和，最大值，最小值，平均值
# axis参数  0: 对每一列  1: 对每一行
print(np.sum(a,axis=0)) # 对每一列求和
print(np.max(a,axis=1)) # 找出每一行的最大值