Numpy-基本操作

Numpy快速入门官方教程：
https://docs.scipy.org/doc/numpy-dev/user/quickstart.html

Numpy介绍

NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。据说NumPy将Python相当于变成一种免费的更强大的MatLab系统。

一个用python实现的科学计算包。包括：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。
NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。

基本操作

导入

import numpy as npy

基本的IO操作

从*.txt文件中读取，delimiter是分隔符，dtype导入类型为str

scores = npy.genfromtxt("1.txt",delimiter=",",dtype=str)

图示：

使用help查看函数使用说明

print(help(npy.sum)) #对矩阵求和：

ndarray

使用 npy 的 array 将 python 的 list 结构包装为numpy的 ndarray

vector = npy.array([5,10,15,20])

shape查看矩阵的形状

构造矩阵，然后shape下。

矩阵拿到某些元素

python中通过slice方式获取元素片，同样在numpy中也是可以的。

布尔类型访问矩阵

用布尔矩阵访问矩阵，挺有意思，测试矩阵中有没有等于25的，运算后得到一个和原来矩阵相同结构的布尔矩阵。

运算后有可以看到有两个元素等于25。

查看某一行是否有等于元素25的：

逻辑操作

包括与或非等。

元素类型转化

object.dtype查看object的类型；
object.astype(type)转化Object为type类型。

常用函数

求和操作

矩阵初始化操作1-reshape

reshape的算法（自己写的）：

http://blog.csdn.net/daigualu/article/details/71275325

以下方法为查看矩阵的维度，元素类型和个数等。

矩阵初始化操作2

元素默认类型为float型：

指定类型为int32型：

序列化矩阵：

矩阵初始化随机模块

随机数组成的矩阵

平均分割100份的矩阵

对每个元素求sin

数学运算

加减元素，单个矩阵运算。

矩阵A和矩阵B的内积，必须满足A的列数等于B的行数

矩阵A和矩阵B的星乘，必须满足A和B的结构相同