面向矩阵的numpy入门笔记

　　我先声明我学numpy的目的：在python中使用矩阵（我需要在机器学习中使用矩阵），所以我的目的很明确，矩阵；

　　矩阵在numpy中叫ndarray(The N-dimensional array),我就是很喜欢问这个ndarray为啥叫ndarray，可是大多教程（特别是中文教程）都不说，这就不利于我们给ndarray一个形象的记忆。

ndarray就是多维数组，叫这个是为了与python里的数组区分开来。

　　之后我们把目的细分，具体到这个库对应的函数（以下代码都省略了 import numpy as np 哦）：

1.生成

　　向量：生成向量用linspace (线性空间)

a = np.linspace( 1, 10 , 5 , endpoint = True)
/*
参数说明 第一个1 是起始数，10是末尾数，5是生成向量（数组）的长度，最后一个是生成数组是否包含末尾数的选择，默认为True(即包含10) 
*/

b = np.arange(n)
//生成从0 到n-1的数组


c = np.concatenate( a,b)
//把两个数组连起来 concatenate就是一个单词，表示链接起来

　　普通矩阵

a = np.array(list/tuple , dtype = np.float32)

//用array函数最直接，第一个参数为矩阵内容，如
a = np.array([ [1,2] , [3,4] ] )
//矩阵内容为包含行列表的列表，行之间用 逗号 分隔，   btw，[] 用（）代替也是可以的
//打印a
print( a )
// [[1 2]
//  [3 4]]

　　特殊矩阵

//一下shape 都是元祖哦， 直白说， 就是类似  （ （行数 ， 列数） ）的写法
np.ones(shape)
np.zeros(shape)
//元素全为一或全为零的矩阵

np.full(shape,val)
//生成一个每个元素都是val的矩阵    full有全部的意思，所以就是 全部都为val  

np.eye(n)
//生成一个对角线为1，其余为零的方阵  （n维单位矩阵）eye，网上说是因为其与数学上单位矩阵的字母I读音一样。

　　like  一族

a = np.ones_like(b)
//生成shape和b一样的全为 1 的矩阵

b = np.zeros_like(a)
//这个你猜一下把。

　　修改矩阵

.reshape(tuple)
//改变原来的矩阵的shape，但是要使生成矩阵与原元素相同
// a = np.arrange(30).reshape( ( 2,3,5 ) ) 比如这样用
//  这儿有个注意的地方，如果参数的元组元素里面有-1，说明其大小可以由其他元祖元素推出来，不用程序员给出。 
// 例如一个 长100 的向量 a ，想把它改成 20*5则
a.reshape((20,-1))


.resize( tuple )
//这个和reshape一样用，不过会改变原数组哦，也就是reshape用完，原数组还是原来的配方，但是用过resize之后，某老吉就变成某多宝了~

.swapaxes( ax1 , ax2)
//学过线代的都觉得这个熟悉吧， ，没错这就是转置，transpose

 

2.矩阵信息查询

//以下函数都是 ndaray对象的成员 直白就是 声明了一个矩阵a, 要使用就得 a.value()

a.ndim
//就是矩阵的维度，一般是2嘛

a.shape
//n 行 m 列

a.size
// 矩阵中有几个元素，相当于  n*m

a.dtype
//矩阵中元素的类型

 

3.矩阵运算

　　numpy有一个奇怪的运算叫元素运算，就是A*B代表矩阵A和矩阵B每个元素相乘，，那么我的运算在哪里呢？

　　矩阵与矩阵运算

np.dot( A , B) 
//矩阵乘法

A**-1
//矩阵的逆