python小白之np功能快速查

標籤：pre   flip   左右   ace   log   小白   lex   個數   計算   

 

np一些用法

np.a

np.array([1,2,3],dtype=int)  #建立一個一維數組，

np.array([[1,2,3],[2,3,4]])  #建立一個二維數組。

np.arange(2,3,0.1)  #起點，終點，步長值。含起點值，不含終點值。

 

np.m

np.mean求取均值。經常操作的參數為axis，以m * n矩陣舉例：

axis 不設定值，對 m*n 個數求均值，返回一個實數

axis = 0：壓縮行，對各列求均值，返回 1* n 矩陣

axis =1 ：壓縮列，對各行求均值，返回 m *1 矩陣

>>>  import numpy as np

>>> num1 = np.array([[1,2,3],[2,3,4],[3,4,5],[4,5,6]])
>>> now2 = np.mat(num1)
>>> now2
matrix([[1, 2, 3],
        [2, 3, 4],
        [3, 4, 5],
        [4, 5, 6]])

>>> np.mean(now2) # 對所有元素求均值
3.5

>>> np.mean(now2,0) # 壓縮行，對各列求均值
matrix([[ 2.5,  3.5,  4.5]])

>>> np.mean(now2,1) # 壓縮列，對各行求均值
matrix([[ 2.],
        [ 3.],
        [ 4.],
        [ 5.]])

 

np.i

innner(a,b)用來計算內積；outer(a,b)計算外積。

np.z

np.zeros((2,3))  #產生一個2行3列的全0矩陣。注意，參數是一個tuple：(2,3)，所以有兩個括弧。完整的形式為：zeros(shape,dtype=)。相同的結構，有ones()建立全1矩陣。empty()建立一個空矩陣，使用記憶體中的隨機值來填充這個矩陣。

identity(n)  #建立n*n的單位陣，這隻能是一個方陣。

eye(N,M=None,k=0)  #建立一個對角線是1其餘值為0的矩陣，用k指定對角線的位置。M預設None。

此外，numpy中還提供了幾個like函數，即按照某一個已知的數組的規模（幾行幾列）建立同樣規模的特殊數組。這樣的函數有zeros_like()、empty_like()、ones_like()，它們的參數均為如此形式：zeros_like(a,dtype=)，其中，a是一個已知的數組。

np.l

np.linspace(1,4,10)  #起點，終點，區間內點數。起點終點均包括在內。同理，有logspace()函數

np.linalg.companion(a)  #伴隨矩陣

np.linalg.triu()/tril()  #返回上下三角矩陣

np.linalg.logm(A)計算矩陣A的對數。

np.linalg.norm(a,ord=None)  #計算矩陣a的範數

np.linalg.cond(a,p=None)  #矩陣a的條件數

np.r

np.random.rand(3,2)  #產生一個3行2列的隨機數組。同一空間下，有randn()/randint()等多個隨機函數

np.roll(x,2)  #roll()是迴圈移位函數。此調用表示向右迴圈移動2位.

np.f

 fliplr()/flipud()/rot90()  #左右上下翻轉、逆時針旋轉90度矩陣

np.d

np.dot(a,b)用來計算數組的點積

np.v

vdot(a,b)專門計算向量的點積，和dot()的區別在於對complex資料類型的處理不一樣；

 

#vstack((a,b)) 兩個數組簡單合在一起#hstack((a,b)) 兩個數組按每行合在一起 相當於column_stack((a,b))

 

python小白之np功能快速查