python小白之np功能快速查
Posted 扣子老三
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python小白之np功能快速查相关的知识,希望对你有一定的参考价值。
np一些用法
np.a
np.array([1,2,3],dtype=int) #建立一个一维数组,
np.array([[1,2,3],[2,3,4]]) #建立一个二维数组。
np.arange(2,3,0.1) #起点,终点,步长值。含起点值,不含终点值。
np.m
np.mean求取均值。经常操作的参数为axis,以m * n矩阵举例:
axis 不设置值,对 m*n 个数求均值,返回一个实数
axis = 0:压缩行,对各列求均值,返回 1* n 矩阵
axis =1 :压缩列,对各行求均值,返回 m *1 矩阵
>>> 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) # 对所有元素求均值
3.5
>>> np.mean(now2,0) # 压缩行,对各列求均值
matrix([[ 2.5, 3.5, 4.5]])
>>> np.mean(now2,1) # 压缩列,对各行求均值
matrix([[ 2.],
[ 3.],
[ 4.],
[ 5.]])
np.i
innner(a,b)用来计算内积;outer(a,b)计算外积。
np.z
np.zeros((2,3)) #生成一个2行3列的全0矩阵。注意,参数是一个tuple:(2,3),所以有两个括号。完整的形式为:zeros(shape,dtype=)。相同的结构,有ones()建立全1矩阵。empty()建立一个空矩阵,使用内存中的随机值来填充这个矩阵。
identity(n) #建立n*n的单位阵,这只能是一个方阵。
eye(N,M=None,k=0) #建立一个对角线是1其余值为0的矩阵,用k指定对角线的位置。M默认None。
此外,numpy中还提供了几个like函数,即按照某一个已知的数组的规模(几行几列)建立同样规模的特殊数组。这样的函数有zeros_like()、empty_like()、ones_like(),它们的参数均为如此形式:zeros_like(a,dtype=),其中,a是一个已知的数组。
np.l
np.linspace(1,4,10) #起点,终点,区间内点数。起点终点均包括在内。同理,有logspace()函数
np.linalg.companion(a) #伴随矩阵
np.linalg.triu()/tril() #返回上下三角矩阵
np.linalg.logm(A)计算矩阵A的对数。
np.linalg.norm(a,ord=None) #计算矩阵a的范数
np.linalg.cond(a,p=None) #矩阵a的条件数
np.r
np.random.rand(3,2) #产生一个3行2列的随机数组。同一空间下,有randn()/randint()等多个随机函数
np.roll(x,2) #roll()是循环移位函数。此调用表示向右循环移动2位.
np.f
fliplr()/flipud()/rot90() #左右上下翻转、逆时针旋转90度矩阵
np.d
np.dot(a,b)用来计算数组的点积
np.v
vdot(a,b)专门计算矢量的点积,和dot()的区别在于对complex数据类型的处理不一样;
#vstack((a,b)) 两个数组简单合在一起 #hstack((a,b)) 两个数组按每行合在一起 相当于column_stack((a,b))
以上是关于python小白之np功能快速查的主要内容,如果未能解决你的问题,请参考以下文章