numpy

import numpy as np              # numpy数值计算，支持维度数组和矩阵计算
# 特殊创建矩阵方式
x = np.zeros((2, 3))            # zeros 创建全是 0 的数组矩阵,参数是数组类型
y = np.ones(3)                  # ones 创建全是 1 的数组矩阵
z = np.full((3, 2), 3)          # full 创建定值数组矩阵，如创建3行2列，数值全是3的矩阵
s = np.eye(5, k=2)              # eye 创建对角矩阵，对角值为 1 ，k值表示从第几列开始对角相同，不填默认为 0
w = np.random.random((2, 3))    # 创建随机值的矩阵

# 初始化创建矩阵方式
a = np.array([[1, 2, 3], [3, 4, 5]],dtype=np.int64)        # 初始化一个数组成矩阵,dtype= 设置数据类型
print(a.shape)                      # 查看这个矩阵是几行几列
a1 = a[[1, 0, 1], [0, 1, 1]]        # 索引结果是[3,2,4],前后保持一一对应
a2 = [a[1, 0], a[0, 1], a[1, 1]]    # 与上面结果相同

rows = np.array([[0, 0], [1, 1]])   # 索引矩阵的行
cols = np.array([[0, 1], [0, 1]])   # 索引矩阵的列
print(a[rows, cols])                # 索引到矩阵的对角值，索引行，列一一对应:[0,0],[0,1],[1,0],[1,1]

print(a > 2)                    # 判断矩阵中每个元素是否大于2,返回的是布尔值
print(np.sum(a))                # 矩阵中每个元素的求和
print(np.sum(a, axis=0))        # axis = 0 矩阵第一维度求和，[1+3, 2+4, 3+5]
print(np.sum(a, axis=1))        # axis = 1 矩阵第二维度求和，[1+2+3, 3+4+5]

"""
这是二维数组，所以axis=1时就到了最后的维度，将数组最小单位元素相加就可
如是三维数组[[[1,2,3],[3,4,5]],[[6,7,8],[8,9,10]]]
axis=0时求和：[[1+6,2+7,3+8],[3+8,4+9,5+10]]
axis=1时求和：[[1+3,2+4,3+5],[6+8,7+9,8+10]]
axis=2时求和：[[1+2+3,3+4+5],[6+7+8,8+9+10]]
以此类推，数组中每个维度的元素对应元素求和
本质是数组中每个元素相加，
    如这个三维数组有两个元素，分别为[[1,2,3],[3,4,5]] 和 [[6,7,8],[8,9,10]]]对应相加，
    每个元素中又有两个子元素，分别为[1,2,3] 和 [3,4,5]每个元素中两子元素对应相加，
    每个子元素中又有三个子元素，[1,2,3]则这三个子元素相加
"""

numpy

原文：https://www.cnblogs.com/saber9/p/11980209.html