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

如何在 python 中并行化以下代码片段?

python小白之数组索引

python小白学习记录 多线程爬取ts片段

Python小白到老司机,快跟我上车!基础篇(十三)

小白入门Python之字典

python小白之paramiko