1. 导包​​import numpy as np​​
  2. 查看版本​​print(np.__version__)​​

一、创建数组

NumPy 的主要对象是多维数组 Ndarray。在 NumPy 中维度（dimensions）叫做轴（axes），轴的个数叫做秩（rank）。

例如，下方数组是一个秩为 1 的数组，因为它只有一个轴，而轴的长度为 3。

[1, 2, 3]

又例如，下方数组的秩为 2。第一个维度长度为 2,第二个维度长度为 3。

[[1., 2., 3.],
 [4., 5., 6.]]
  1. 创建一维数组
    ​​np.array([1, 2, 3])​​
  2. 创建二维数组
    ​​np.array([(1, 2, 3), (4, 5, 6)])​​
  3. 创建全为0的二维数组
    ​​np.zeros((3, 3))​​
  4. 创建全为1的三维数组
    ​​np.ones((2, 3, 4))​​
  5. 创建一维等差数组
    ​​np.arange(5)​​
  6. 创建二维等差数组
    ​​np.arange(6).reshape(2, 3)​​
  7. 创建单位矩阵（三维）
    ​​np.eye(3)​​
  8. 创建等间隔一维数组
    ​​np.linspace(1, 10, num=6)​​
  9. 创建二维随机数组
    ​​np.random.rand(2, 3)​​
  10. 创建二维随机整数数组（数值小于5）
    ​​np.random.randint(5, size=(2, 3))​​
  11. 依据自定义函数创建数组
    i , j 为坐标索引
    ​​np.fromfunction(lambda i, j: i + j, (3, 3))​​



二、数组运算

  1. 生成一维示例数组
a = np.array([10, 20, 30, 40, 50])
b = np.arange(1, 6)
a, b
  1. 一维数组加法运算
    ​​a + b​​
  2. 一维数组减法运算
    ​​a - b​​
  3. 一维数组乘法运算
    ​​a * b​​
  4. 一维数组除法运算
    ​​a / b​​
  5. 生成二维示例数组（可以看作矩阵）
A = np.array([[1, 2],
              [3, 4]])
B = np.array([[5, 6],
              [7, 8]])
A, B
  1. 矩阵加法运算
    ​​A + B​​
  2. 矩阵减法运算
    ​​A - B​​
  3. 矩阵元素间乘法运算
    这个只是对应的数组进行相乘
    ​​A * B​​
  4. 矩阵乘法运算（真正矩阵相乘）
    ​​np.dot(A, B)​​
# 如果使用 np.mat 将二维数组准确定义为矩阵，就可以直接使用 * 完成矩阵乘法计算
np.mat(A) * np.mat(B)
  1. 数乘矩阵
    ​​2 * A​​
  2. 矩阵的转置
    ​​A.T​​
  3. 矩阵求逆
    ​​np.linalg.inv(A)​​