Python Day25 学习

继续NumPy的学习

数组的随机创建

数组的随机化创建指的是利用NumPy等工具生成包含有随机数的数组。这些数组的元素并非是手动指定的，而是由随机数生成器自动生成的。常用于模拟实验，数据测试，初始化权重等场景。

NumPy随机数生成方法对比（从讲义中复制，方便复习）

注：rand()与random()都是均匀分布，但rand()能直接生成数组

      randn()生成的数据会有正有负，其他方法都是非负数。

代码示例

# 创建一个2*2的随机数组c，区间为[0,1)
c = np.random.rand(2, 2)  
c

输出：

array([[0.40396838, 0.67658735],
       [0.11142565, 0.39165721]])

代码示例：

import numpy as np
np.random.seed(42)  # 设置随机种子以确保结果可重复

# 生成10个语文成绩（正态分布，均值75，标准差10）
chinese_scores = np.random.normal(75, 10, 10).round(1)

# 找出最高分和最低分及其索引
max_score = np.max(chinese_scores)
max_index = np.argmax(chinese_scores)
min_score = np.min(chinese_scores)
min_index = np.argmin(chinese_scores)

print(f"所有成绩: {chinese_scores}")
print(f"最高分: {max_score} (第{max_index}个学生)")
print(f"最低分: {min_score} (第{min_index}个学生)")

输出：

所有成绩: [80.  73.6 81.5 90.2 72.7 72.7 90.8 82.7 70.3 80.4]
最高分: 90.8 (第6个学生)
最低分: 70.3 (第8个学生)

注意第三行和第五行代码的含义：

数组的遍历

代码示例：

import numpy as np
scores = np.array([5, 9, 9, 11, 11, 13, 15, 19])
scores += 1 # 学习一下这个写法，等价于 scores = scores + 1
sum = 0
for i in scores: # 遍历数组中的每个元素
    sum += i   
print(sum)

注：这部分代码的作用是把一个数组中的每个元素都加1，然后计算所有元素的总和

这里其实也可以用Python列表，但只能用循环或者列表推导式，效率较低。NumPy数组支持“向量化”操作，可以直接对整个数组加1，优势明显。

数组的运算

（讲义内容复制）

代码示例：

import numpy as np
a = np.array([[1, 2], [3, 4], [5, 6]])
b = np.array([[7, 8], [9, 10], [11, 12]])
print(a)
print(b)

输出：

[[1 2]
 [3 4]
 [5 6]]
[[ 7  8]
 [ 9 10]
 [11 12]]

代码示例：计算两个数组的和、差、除法

print(a + b) # 计算两个数组的和
print(a - b) # 计算两个数组的差
print(a / b) # 计算两个数组的除法

矩阵点乘：

a * b # 矩阵点乘，ipynb文件中不使用print()函数会自动输出结果，这是ipynb文件的特性

矩阵乘法：

a @ b.T # 矩阵乘法,3*2的矩阵和2*3的矩阵相乘，得到3*3的矩阵

今日学习到这里，得补充线性代数的知识了（苦笑）。明日继续“数组索引”的学习，进度是快不了一点，还是慢慢来吧，加油，加油！！！@浙大疏锦行