numpy 的一维矩阵的几种基本运算
import numpy as npa=np.array([10,20,30,40]) # array([10, 20, 30, 40])b=np.arange(4) # array([0, 1, 2, 3])# 对应元素的计算c=a-b # array([10, 19, 28, 37])c=a+b # array([10, 21, 32, 43])c=a*b # array([ 0, 20, 60, 120])c=b**2 # array([0, 1, 4, 9])矩阵中各个元素的二次方c=10*np.sin(a) # array([-5.44021111, 9.12945251, -9.88031624, 7.4511316 ])print(b<3) # array([ True, True, True, False], dtype=bool)满足要求的返回True，不满足的返回False
多维矩阵计算：
a=np.array([[1,1],[0,1]])b=np.arange(4).reshape((2,2))print(a)# array([[1, 1],# [0, 1]])print(b)# array([[0, 1],# [2, 3]])c = a*b #对应元素相乘# array([[0, 1],# [0, 3]])c = np.dot(a,b) #标准的矩阵乘法运算，即对应行乘对应列得到相应元素c = a.dot(b) #标准的矩阵乘法运算的另一种表达形式，用哪个都行# array([[2, 4],# [2, 3]])np.sum(b) # 所有元素求和 6np.sum(b,axis=0) # 列求和 array([2, 4])np.sum(b,axis=1) # 行求和 array([1, 5])np.min(b) # 所有元素中最小的 0np.min(b, axis=1) # 每一行中最小值 array([0, 2])np.max(b) # 所有元素中最大的 3np.max(b, axis=0) # 每一列中最大值 array([2, 3])np.argmin(b) # 最小值的索引 0np.argmax(b) # 最大值的索引 3# 求均值的三种写法： np.mean(b) np.average(b) b.mean() 输出均为1.5
未看完，用得到再看吧
