NumPy学习12

今天学习了

22, NumPy矩阵乘法

23， NumPy IO操作

numpy_test12.py ：

import numpy as np

'''
22, NumPy矩阵乘法
矩阵乘法是将两个矩阵作为输入值，并将 A 矩阵的行与 B 矩阵的列对应位置相乘再相加，从而生成一个新矩阵。
注意：必须确保第一个矩阵中的行数等于第二个矩阵中的列数，否则不能进行矩阵乘法运算。

矩阵乘法运算被称为向量化操作，向量化的主要目的是减少使用的 for 循环次数或者根本不使用。
这样做的目的是为了加速程序的计算。
'''
print("----22, NumPy矩阵乘法----")

'''
(1) np.multiply()
multiple() 函数用于两个矩阵的逐元素乘法.
'''
print("----(1) np.multiply()----")
arr1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]], ndmin=3)
print('arr1 : ', arr1)
arr2 = np.array([[9, 8, 7], [6, 5, 4], [3, 2, 1]], ndmin=3)
print('arr2 : ', arr2)
# 两个矩阵的逐元素乘法
result = np.multiply(arr1,arr2)
print('result : ', result)
'''
arr1 :  [[[1 2 3]
          [4 5 6]
          [7 8 9]]]
arr2 :  [[[9 8 7]
          [6 5 4]
          [3 2 1]]]
result :  [[  [ 9 16 21]
              [24 25 24]
              [21 16  9]]]
'''

'''
(2) np.matmul()
matmul() 用于计算两个数组的矩阵乘积。
'''
print("----(2) np.matmul()----")
arr3 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]], ndmin=3)
print('arr3 : ', arr3)
arr4 = np.array([[9, 8, 7], [6, 5, 4], [3, 2, 1]], ndmin=3)
print('arr4 : ', arr4)
# 两个数组的矩阵乘积
result = np.matmul(arr3,arr4)
print('result : ', result)
'''
arr3 :  [[[1 2 3]
          [4 5 6]
          [7 8 9]]]
arr4 :  [[[9 8 7]
          [6 5 4]
          [3 2 1]]]
result :  [[  [ 30  24  18]
              [ 84  69  54]
              [138 114  90]]]
'''

'''
(3) np.dot()
dot() 函数用于计算两个矩阵的点积。
'''
print("----(3) np.dot()----")
arr5 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9],], ndmin=3)
print('arr5 : ', arr5)
arr6 = np.array([[9, 8, 7], [6, 5, 4], [3, 2, 1]], ndmin=3)
print('arr6 : ', arr6)
# 两个矩阵的点积
result = np.dot(arr5, arr6)
print('result : ', result)
'''
arr5 :  [[[1 2 3]
          [4 5 6]
          [7 8 9]]]
arr6 :  [[[9 8 7]
          [6 5 4]
          [3 2 1]]]
result :  [[  [[ 30  24  18]]

              [[ 84  69  54]]
            
              [[138 114  90]]
          ]]
'''

'''
23， NumPy IO操作
NumPy  IO 操作是以文件的形式从磁盘中加载 ndarray 对象。
在这个过程中，NumPy 可以两种文件类型处理 ndarray 对象，一类是二进制文件（以.npy结尾），另一类是普通文本文件。

上述两种文件格式，分别对应着不同的 IO 方法，如下所示：

NumPy       IO操作方法
文件类型	    处理方法
二进制文件	load() 和 save()
普通文本文件	loadtxt() 和 savetxt()
我们知道，文件会被保存在不同的计算机上（比如 Linux、Windows、MacOSX 等）。
为了不受的计算机架构影响，NumPy 开发团队给 ndarray 对象引入了一种.npy文件格式，
通过它来件实现对 ndarray 对象的保存。
'''
print("----23， NumPy IO操作----")
'''
(1) numpy.save()
numpy.save() 方法将输入数组存储在.npy文件中。
numpy.save(file, arr, allow_pickle=True, fix_imports=True)

参数说明：
file：保存后的文件名称，其文件类型为.npy；
arr：要保存的数组
allow_pickle：可选项，布尔值参数，允许使用 pickle 序列化保存数组对象。 
fix_imports：可选项，为了便于在 Pyhton2 版本中读取 Python3 保存的数据。
'''
print("----(1) numpy.save()----")
arr7 = np.array([1, 2, 3, 4, 5])
print('arr7 : ', arr7)
# 输入数组存储在.npy文件中
np.save('outfile', arr7)
print('输入数组存储在outfile.npy文件中')
# 使用 load() 从 outfile.npy 文件中加载数据
arr8 = np.load('outfile.npy')
print('从 outfile.npy 文件中加载数据')
print('arr8 : ', arr8)
'''
arr7 :  [1 2 3 4 5]
输入数组存储在outfile.npy文件中
从 outfile.npy 文件中加载数据
arr8 :  [1 2 3 4 5]
'''

'''
(2) savetxt()
savetxt() 和 loadtxt() 分别表示以文本格式存储数据或加载数据。其中 savetxt() 的语法格式如下：
np.savetxt('filename文件路径', self.task, fmt="%d", delimiter=" ")

参数说明：
filename：表示保存文件的路径；
self.task： 要保存数组的变量名；
fmt="%d"： 指定保存文件的格式，默认是十进制；
delimiter=" "表示分隔符，默认以空格的形式隔开。
'''
print("----(2) savetxt()----")
arr9 = np.array([1,2,3,4,5])
print('arr9 : ', arr9)
np.savetxt('outfile.txt', arr9)
print('输入数组存储在outfile.txt 文本文件中')
#使用loadtxt重载数据
arr10 = np.loadtxt('outfile.txt')
print('从 outfile.txt 文本文件中加载数据')
print('arr10 : ', arr10)
'''
arr9 :  [1 2 3 4 5]
输入数组存储在outfile.txt 文本文件中
从 outfile.txt 文本文件中加载数据
arr10 :  [1. 2. 3. 4. 5.]
'''