numpy数组的排序及各种运算的总结

文章目录numpy中数组的维度和轴Q:二维的数值的 轴0代表 垂直方向那一维数组的轴0代表什么方向ndarray.sort()就地排序直接修改原数组np.sort()返回排序后的副本创建新的数组,不改变原数组numpy中数组的基本运算的总结标准矩阵乘法运算numpy中数组的维度和轴在讲解数组之间的运算之前先介绍下数组的维度和轴概念在 NumPy 中轴是对数组维度的一种抽象描述。对于多维数组每个维度都对应一个轴轴的编号从 0 开始。对于二维数组它有两个轴轴 0代表垂直方向也就是行的方向。可以把二维数组想象成一个表格轴 0 就像是表格中从上到下的行索引方向对列数据排序。轴 1代表水平方向也就是列的方向。就像是表格中从左到右的列索引方向对行数据进行排序。如下二维数组arr1 np.array([[1, 2, 3], [4, 5, 6]])如下二维数组arr2 np.array([[7, 8, 9], [10, 11, 12]])而一维数组如arr3 np.array([1,2,3,4,5,6])它只有一个维度即只存在轴0一维数组 只有 1 个维度维度数量 轴的数量 → 只有轴 0轴编号从 0 开始没有 1 这个轴Q:二维的数值的 轴0代表 垂直方向那一维数组的轴0代表什么方向ndarray.sort()就地排序直接修改原数组np.sort()返回排序后的副本创建新的数组,不改变原数组numpy中数组的基本运算的总结numpy中的数组不用编写循环即可执行批量运算称之为矢量化运算。大小相等这里的大小相等指的形状shape完全相同的数组之间的任何算术运算都会将运算应用到元素级。注这里的任何算术运算指的基本的加减(-)乘(*)及mutiply, 除/。不包括 使用np.dot()、ndarray.dot()、可以进行矩阵乘法运算。因为使用np.dot()、ndarray.dot()、可以进行标准矩阵乘法运算,有其独特的计算规则后面会讲。importnumpyasnp arr1np.array([[1,2,3],[4,5,6]])arr2np.array([[7,8,9],[10,11,12]])print(arr1arr2)print(-*20)print(arr1-arr2)print(-*20)print(arr1*arr2)print(-*20)print(arr1/arr2)arr1和arr2的形状完全相同相同位置的元素进行加、减、乘、除后生成的元素还放到原位值生成的新数组的形状没有变动。标准矩阵乘法运算