二维数组
以上创建的都是一维数组，下面我们来创建一个二维数组：
arr_bis = np.array([[1,2,3], [4,5,6], [7,8,9]])
但通常我们不需要手动去创建数组，因为这些数组将是我们的数据，我们不需要创建数据，我们更多的是从其他地方导入数组。
但是了解如何创建数组非常重要，因为有时它非常有用。
现在让我向您展示如何创建一些特别的数组：
np.zeros()
空数组：
这是一个非常简单的数组，因为它只是一个只有 0 的矩阵。我们将使用 Numpy 中的 zeros() 函数来创建空数组。
第一个参数 表示 行数，第二个参数表示列数，下面的案例就是 6 行 5列的一个二维数组。
O = np.zeros([6,5])
array([[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.]])
np.identity()
identity() 函数用于一个n*n的单位矩阵(主对角线元素全为1，其余全为0的矩阵)。
np.identity(5)
array([[1., 0., 0., 0., 0.],
[0., 1., 0., 0., 0.],
[0., 0., 1., 0., 0.],
[0., 0., 0., 1., 0.],
[0., 0., 0., 0., 1.]])
np.ones()
np.ones()函数返回给定形状和数据类型的新数组，其中元素的值设置为1。此函数与numpy.zeros()函数非常相似。
One = np.ones([6, 5])
array([[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.]])
矩阵之间的数学运算
两个完全相同形状的矩阵可以像数字一样进行相加和相减的运算。这里形状相同可以理解为，两个矩阵拥有完全一样的行数量和列数量。
例如：
O = np.zeros([6,5])
One = np.ones([6, 5])
O + One
结果为：
array([[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.]])
O - One
结果为：
array([[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.]])
One * 10
结果为：
array([[10., 10., 10., 10., 10.],
[10., 10., 10., 10., 10.],
[10., 10., 10., 10., 10.],
[10., 10., 10., 10., 10.],
[10., 10., 10., 10., 10.],
[10., 10., 10., 10., 10.]])
原创文章，作者：朋远方，如若转载，请注明出处：https://caovan.com/01-yongyushujukexuede-python-jichuzhishi/.html
微信扫一扫 
