详解numpy矩阵的创建与数据类型
Numpy是python常用的一个类库，在python的使用中及其常见，广泛用在矩阵的计算中，numpy对矩阵的操作与纯python比起来速度有极大的差距。
一、 构造矩阵
矩阵的构造可以有多种方法：
1.使用python中的方法构造矩阵
- 生成一维矩阵
# 使用python自带的range（）方法生成一个矩阵 a = list(range(100))#range（）产生从0-99的一个列表 print(a)
- 生成二维及多维矩阵
# 使用python自带的range（）方法生成一个矩阵
a = list([[1,2,3],
[4,5,6],
[7,8,9]])
print(a)
2.使用numpy中的方法来生成矩阵
numpy类库中生成的矩阵的数据类型为numpy.ndarray,与python中的列表不同。
（1）array()方法生成矩阵
#numpy入门 import numpy as np data = [6,7.5,8,0,1] data1 = [[1,2,3],[4,5,6]] arr = np.array(data) arr1 = np.array(data1) print(arr) print(arr1)
array（）方法可以将一个列表转换为对应维度相同的numpy矩阵。
（2）生成随机矩阵方法rand（）和randn（）
import numpy as np #生成一个随机数矩阵 data = np.random.randn(2,3)#是从标准正态分布中返回一个或多个样本值 data1 = np.random.rand(2,3)#随机样本位于[0, 1)中 print(data) print(data1)
（3）矩阵的加法与乘法，numpy矩阵中矩阵与数字相加或相乘，则数组中每一个元素都执行相加或相乘。
import numpy as np
data = np.random.randn(10)#是从标准正态分布中返回一个或多个样本值
print(data)
print("data * 10 :\n",data*10)#每一个元素乘以十
print("data+data:\n",data+data)#实现数组中每一个位置自加操作
（4）零矩阵
可以用numpy的zeros()方法生成元素值全为0的矩阵。
import numpy as np
data = np.zeros(10)#生成一个一维的全零矩阵，矩阵的元素为十个
print("data:",data)
data1 = np.zeros((3,4))#生成一个三行四列的全零矩阵
print("data1:",data1)
data2 = np.zeros((3,4,3))
print("data2:",data2)#生成一个三维的全零矩阵
（5）一矩阵
同零矩阵一样，numpy中的ones()方法可以生产元素值全为一的矩阵
import numpy as np
data = np.ones(10)#生成一个一维的全零矩阵，矩阵的元素为十个
print("data:",data)
data1 = np.ones((3,4))#生成一个三行四列的全零矩阵
print("data1:",data1)
data2 = np.ones((3,4,3))
print("data2:",data2)
（6）empty()方法
python中也可以使用numpy.empty()方法来生产一些看似是0的数，语法和ones()方法一样
#numpy入门
import numpy as np
data = np.empty(10)#生成一个一维的全零矩阵，矩阵的元素为十个
print("data:",data)
data1 = np.empty((3,4))#生成一个三行四列的全零矩阵
print("data1:",data1)
data2 = np.empty((3,4,3))
print("data2:",data2)
就算是在编译器中显示的值为0，但其实际的值并不是0，只是一个很靠近0的数。
#numpy入门
import numpy as np
data1 = np.empty((3,4))#生成一个三行四列的全零矩阵
print("data1:\n",data1)
print("1/data1:\n",1/data1)
inf表示无穷大的意思，如若data1中数据的值为0的话，在运行的过程中解释器会出错。
#注意：认为np.empty会返回全0数组的想法是不安全的。很多情况下（如前所示），它返回的都是一些未初始化的垃圾值。
（7）arange()方法
类似于range()方法
import numpy as np
a = np.arange(10)
b = np.arange(2,20)
c = np.arange(0,50,5)
print("a:",a)
print("b:",b)
print("c:",c)
当只有一个参数n时表示产生一个从[0–n)的不包含n的一个矩阵
当有两个参数m,n时表示产生一个从[m,n)的不包含n的一个矩阵
当含有三个参数m,n,l时,表示从m开始，每次已l为步长，产生一个矩阵，最大值不超过n
（8）reshape()方法，重新生成矩阵的维度大小
import numpy as np a = np.arange(10) print(a) a=a.reshape(2,5) print(b)
上例中，将一个一维的十元素矩阵转换成一个两行五列的矩阵。
注意：使用reshape（）方法从一维转多维时，一维矩阵的元素个数必须与多维矩阵的相同，也即是上例中的10=2*5，如若不相等的话解释器或出现错误。
（9）一些与矩阵的大小有关的值
import numpy as np
array = np.array([[1,2,3],
[4,5,6],
[7,8,9]])
print(array)
print(array.ndim)#维度
print(array.shape)#各维度的值
print(array.size)#元素个数
print(array.dtype)#元素的数据类型
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持【听图阁-专注于Python设计】。
