1.导入numpy库
import numpy as np
python中用import导入库，这里的意思是将怒骂朋友作为np导入。通过这样的形式，之后使用numpy相关方法用np使用
2.生成numpy数组
import numpy as np
x = np.array([1.0, 2.0, 3.0])
print(x)
print(type(x))
将列表变成numpy
输出结果：
[1. 2. 3.]
<class 'numpy.ndarray'>
使用np.array()方法接受python列表进行参数，生成numpy数组
import numpy as np
x = np.array([1.0, 2.0, 3.0])
y = np.array([2.0, 4.0, 6.0])
print(x+y)
print(x-y)
print(x*y)
print(x/y)
print(x/2.0)
结果是
[3. 6. 9.]
[-1. -2. -3.]
[ 2. 8. 18.]
[0.5 0.5 0.5]
[0.5 1. 1.5]
说明运算是对应元素作为相应的基本运算
.代表包含
shape
zeros，ones，full
arrange（）左闭右开，一个数0到 两个数左闭右开，三个数左闭右闭递进数字
indices（）坐标
eye（） 几行几列，对角线， 第一个数是列
reshape（）改变维数
dtype（）每一项的数据类型
a.dot（b) 代表线性代数相乘
.t 转置
import numpy as np
A = np.array([[1, 2], [3, 4]])
print(A)
print(A.shape)
print(A.dtype)
B = np.array([[3, 0], [0, 6]])
print(A+B)
print(A*B)
print(A*10)
输出结果
[[1 2]
[3 4]]
(2, 2)
int32
[[ 4 2]
[ 3 10]]
[[ 3 0]
[ 0 24]]
[[10 20]
[30 40]]
这里生成两个 2 × 2 2 \times 2 2×2的矩阵A、B。矩阵的形状可以通过shape查看，矩阵元素的数据类型可以通过dtype查看。和数组的算术运算一样，矩阵的算术运算可以在相同形状的矩阵之间以对应元素的方式运算，也可以通过标量运算。
在NumPy中，形状不同的数组之间也可以进行运算。在上一个例子中，print(A*10)是将10扩展成 2 × 2 2 \times 2 2×2的矩阵[[10, 10], [10, 10]]，然后运算，这个巧妙的功能被称为广播。注意不是任何数组都可以进行运算。
import numpy as np
A = np.array([1, 2, 3])
B = np.array([[3, 0], [0, 6]])
print(A+B)
报错：形状不一样
1.索引访问
import numpy as np
x = np.array([[51, 55], [14, 19], [0, 4]])
print(x)
print(x[0])
print(x[0][1])
for row in x:
print(row)
结果
[[51 55]
[14 19]
[ 0 4]]
[51 55]
55
[51 55]
[14 19]
[0 4]
2.数组访问
import numpy as np
x = np.array([[51, 55], [14, 19], [0, 4]])
x = x.flatten()
print(x)
print(x[np.array([0, 2, 4])])//获取索引0，2，4 的元素
结果
[51 55 14 19 0 4]
[51 14 0]
3.标记法
import numpy as np
x = np.array([[51, 55], [14, 19], [0, 4]])
print(x > 15)
print(x[x > 15])
结果
[[ True True]
[False True]
[False False]]
[51 55 19]
1.导入库
import matplotlib.pyplot as plt
2.绘制简单图形
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 6, 0.1)
y = np.sin(x)
plt.plot(x, y)
plt.show()
结果
使用arange方法生成了的x,y的值如下
[0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1. 1.1 1.2 1.3 1.4 1.5 1.6 1.7
1.8 1.9 2. 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3. 3.1 3.2 3.3 3.4 3.5
3.6 3.7 3.8 3.9 4. 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 5. 5.1 5.2 5.3
5.4 5.5 5.6 5.7 5.8 5.9]
[ 0. 0.09983342 0.19866933 0.29552021 0.38941834 0.47942554
0.56464247 0.64421769 0.71735609 0.78332691 0.84147098 0.89120736
0.93203909 0.96355819 0.98544973 0.99749499 0.9995736 0.99166481
0.97384763 0.94630009 0.90929743 0.86320937 0.8084964 0.74570521
0.67546318 0.59847214 0.51550137 0.42737988 0.33498815 0.23924933
0.14112001 0.04158066 -0.05837414 -0.15774569 -0.2555411 -0.35078323
-0.44252044 -0.52983614 -0.61185789 -0.68776616 -0.7568025 -0.81827711
-0.87157577 -0.91616594 -0.95160207 -0.97753012 -0.993691 -0.99992326
-0.99616461 -0.98245261 -0.95892427 -0.92581468 -0.88345466 -0.83226744
-0.77276449 -0.70554033 -0.63126664 -0.55068554 -0.46460218 -0.37387666]
将x,y的数据传给plt.plot，然后绘制图形，最后通过plt.show()显示图像。