1.0简介

• 向量(vector）
• 矩阵(matrice）
• 张量(tensor）
• 行(row）
• 列(column)

1.1创建一个向量

import numpy as np
vector_row = np.array([1, 2, 3])
vector_column = np.array([[1], [2], [3]])

1.2创建一个矩阵

(●’◡’●)通过二维数组来创建一个矩阵

三行两列👇

import numpy as np
matrix = np.array([[1, 2], [1, 2], [1, 2]])

NumPy提供了专门的数据结构来表示矩阵，但不推荐使用矩阵数据结构

• 实际上数组才是NumPy的标准数据结构
• 绝大多数NumPy操作返回的是数组而不是矩阵对象

1.3创建一个稀疏矩阵

(●’◡’●)表示只有零星非零值的数据

• 稀疏矩阵只保存非零元素并假设剩余元素的值都是零，节省大量的计算成本
• 稀疏行(CSR）
• 下标的编号从0开始
• Scipy

#加载库
import numpy as np
from scipy import sparse
#创建一个矩阵
matrix = np.array([[0, 0],
                  [0, 1],
                  [3, 0]])
#创建一个压缩的稀疏行(Compressed Sparse Row，CSR)矩阵
matrix_sparse = sparse.csr_matrix(matrix)

1.4选择元素

(●’◡’●)在向量或矩阵中选择一个或多个元素

#加载库
import numpy as np
vector = np.array([1, 2, 3, 4, 5, 6])
# 创建矩阵
matrix = np.array([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9]])
# 选择向量的第三个元素
print(vector[2])
print(matrix[1, 1])
#选取一个向量的所有元素
print(vector[:])
#选取从1开始一直到第3个(包括第3个)元素
print(vector[:3])
#选取第3个元素之后的所有元素
print(vector[3:])
#选取最后1个元素
print(vector[-1])
#选取矩阵的第1行和第2行以及所有列
print(matrix[:2,:])
print('--------')
#选取所有行以及第二列     【注意】
print(matrix[:,1:2])

1.5展示一个矩阵的属性

(●’◡’●)展示一个矩阵的形状、大小和维数

import numpy as np
matrix = np.array([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9],
                   [7, 8, 9]])
# 查看行数和列数                  
print(matrix.shape)       
# 查看元素的数量(行数*列数)
print(matrix.size)  
# 查看维数
print(matrix.ndim)