

In [1]:

    
import numpy as np

Simple numpy examples



In [2]:

    
a = [1, 2, 3]



In [3]:

    
a









    Out[3]:





[1, 2, 3]



In [4]:

    
a_array = np.array(a)



In [5]:

    
a_array.shape









    Out[5]:





(3,)



In [6]:

    
# sum, min, max
a_array.sum(), a_array.min(), a_array.max()









    Out[6]:





(6, 1, 3)



In [7]:

    
np.atleast_2d(a_array), np.atleast_2d(a_array).shape









    Out[7]:





(array([[1, 2, 3]]), (1, 3))



In [8]:

    
np.atleast_1d(a_array), np.atleast_1d(a_array).shape









    Out[8]:





(array([1, 2, 3]), (3,))



In [9]:

    
np.atleast_3d(a_array), np.atleast_3d(a_array).shape









    Out[9]:





(array([[[1],
         [2],
         [3]]]), (1, 3, 1))



In [10]:

    
# flatten the array
np.atleast_2d(a_array).reshape(-1)









    Out[10]:





array([1, 2, 3])



In [11]:

    
np.atleast_2d(a_array).flatten()









    Out[11]:





array([1, 2, 3])



In [12]:

    
# identity matrix
id_3 = np.identity(3)
id_3









    Out[12]:





array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])



In [13]:

    
# trace operator
id_3.trace() == 3









    Out[13]:





True



In [14]:

    
# matrix * scalar
id_3 * 3









    Out[14]:





array([[ 3.,  0.,  0.],
       [ 0.,  3.,  0.],
       [ 0.,  0.,  3.]])



In [15]:

    
# matrix + scalar
id_3 + 1









    Out[15]:





array([[ 2.,  1.,  1.],
       [ 1.,  2.,  1.],
       [ 1.,  1.,  2.]])



In [16]:

    
# matrix / scalar
id_3 / 2









    Out[16]:





array([[ 0.5,  0. ,  0. ],
       [ 0. ,  0.5,  0. ],
       [ 0. ,  0. ,  0.5]])



In [17]:

    
# dot product id_3^T a_vector
np.dot(id_3, a_array)









    Out[17]:





array([ 1.,  2.,  3.])



In [18]:

    
# random variables
np.random.randn(4)









    Out[18]:





array([ 0.75886891,  0.86179416,  0.48905969,  0.66290265])



In [19]:

    
np.random.random((2, 3))









    Out[19]:





array([[ 0.32480787,  0.29697068,  0.43656527],
       [ 0.25677007,  0.46790961,  0.54044141]])



In [20]:

    
# uniform distribution between [a, b]
np.random.randint(10)









    Out[20]:





9



In [21]:

    
np.ones((3,3))









    Out[21]:





array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       [ 1.,  1.,  1.]])



In [22]:

    
np.ones(3)









    Out[22]:





array([ 1.,  1.,  1.])



In [23]:

    
np.ones((3,3)).reshape(-1)









    Out[23]:





array([ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])



In [24]:

    
# stacking
np.hstack((np.ones(3), np.ones(3)))









    Out[24]:





array([ 1.,  1.,  1.,  1.,  1.,  1.])



In [25]:

    
np.vstack((np.ones(3), np.ones(3)))









    Out[25]:





array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.]])



In [26]:

    
# similar to hstack
np.concatenate((np.ones(3), np.ones(3)))









    Out[26]:





array([ 1.,  1.,  1.,  1.,  1.,  1.])



In [ ]: