import numpy as np
a=np.arange(12)
a
a = np.array([(1,2),(3,4)])
a
c = np.array( [ [1.1,2], [3,4] ], dtype=complex )
c
d=np.zeros((3, 4))
e=np.ones( (2,3,4), dtype=np.int16 ) #也可以自定义元素类型
f=np.empty( (2,3) ) #根据内存状态随机初始化数组
#arange类似于Python内置的range
g=np.arange( 10, 30, 5 )
h=np.arange( 0, 2, 0.3 ) #接受小数参数
#arrange函数由于浮点数精度的原因，可能无法知道数组最后有多少个数
#为解决这一问题可以使用linspace函数：
i=np.linspace( 0.3, 2, 9 ) # 9 numbers from 0 to 2
i
a = np.array( [20,30,40,50] )
b = np.arange( 4 )
print(b)
print("a-b是{}".format(a-b))
print("a**2是{}".format(a**2))
print("10*np.sin(a)是{}".format(10*np.sin(a)))
print("a<35是{}".format(a<35))
print("a*b是{}".format(a*b))
#矩阵乘法
A = np.array( [[1,1], [0,1]] )
B = np.array( [[2,0], [3,4]] )
print("A*B是{}".format(A*B))
print("A@B是{}".format(A@B)) #矩阵乘法
print("A.dot(B)是{}".format(A.dot(B))) #矩阵乘法
#+=，*=等运算符进行原地运算（需要加同类型的，如果不能强制转换就会报错）
[0 1 2 3]
a-b是[20 29 38 47]
a**2是[ 400 900 1600 2500]
10*np.sin(a)是[ 9.12945251 -9.88031624 7.4511316 -2.62374854]
a<35是[ True True False False]
a*b是[ 0 30 80 150]
A*B是[[2 0]
[0 4]]
A@B是[[5 4]
[3 4]]
A.dot(B)是[[5 4]
[3 4]]
b = np.arange(12).reshape(3,4)
print("b是{}".format(b))
print("b.sum(axis=0)是{}".format(b.sum(axis=0)))
print("b.sum(axis=1)是{}".format(b.sum(axis=1)))
#这个axis我一直没太搞懂怎么计算的
#0是垂直，1是水平，这种比较直观的。再高维度我就搞不懂了
#为了便于理解，我自己的理解是消融维：
#如果在这个维度上做加总之类的计算，最后的结果就没有这个维度了
print("b.min(axis=1)是{}".format(b.min(axis=1)))
print("b.cumsum(axis=1)是{}".format(b.cumsum(axis=1))) #cumulative sum
b是[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
b.sum(axis=0)是[12 15 18 21]
b.sum(axis=1)是[ 6 22 38]
b.min(axis=1)是[0 4 8]
b.cumsum(axis=1)是[[ 0 1 3 6]
[ 4 9 15 22]
[ 8 17 27 38]]