Python numpy矩阵处理运算工具用法大全介绍

作者:袖梨 2020-07-13

本篇文章小编给大家分享一下Python numpy矩阵处理运算工具用法大全介绍,文章介绍的很详细,小编觉得挺不错的,现在分享给大家供大家参考,有需要的小伙伴们可以来看看。

numpy是用于处理矩阵运算非常好的工具。执行效率高,因为其底层是用的是C语句

使用numpy,需要将数据转换成numpy能识别的矩阵格式。

基本用法:

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

名称描述

object数组或嵌套的数列

dtype数组元素的数据类型,可选,例如:int64,int16,int32,float64等,位数越高,精度越高,但也更耗内存。

copy对象是否需要复制,可选

order创建数组的样式,C为行方向,F为列方向,A为任意方向(默认)

subok默认返回一个与基类类型一致的数组

ndmin指定生成数组的最小维度。几维数组,默认0维数组

创建numpy矩阵的其他形式

np.zeros((3,4)):创建3行4列值都为0矩阵

np.ones((3,4)):创建3行4列值都为1矩阵

np.random.random((3,4)):创建3行4列值为0~1随机数

np.arange(1,20,5).shape(3,4):创建3行4列维数组,数值从1到20,步长为5

np.arange(5) : 创建1维数组,数值从0至4

np.empty((3,4)):创建3行4列值为空的矩阵

np.pnspace(1,10,10):创建1维数组,开始点为 1 ,终止点为 10,数列个数为 10。即元素共10个.[1,2,3,4,5,6,7,8,9.10]

np.sin(a),即计算该矩阵值的sin结果

np.cos(a)

np.tan(a)

arcsin,arccos,和 arctan 函数返回给定角度的 sin,cos 和 tan 的反三角函数。

矩阵a,矩阵b

a+b,代表逐一加法

a/b,代表逐一除法

a-b,代表逐一减法

a*b,代表逐一乘积

np.dot(a,b),a.dot(b)则代表矩阵乘法

np.argmin(a),最小值的索引

np.argmax(a),最大值的索引

mean[a]平均值

A.mean平均值,只是表达形式不一样,与老版的average是一样的功能

median(A),中位数,与平均值一样的数

cumsum(A),第两位数的累加,变成一个一维数组

diff(A),每两个数进行减法,按行,原行-1

notzero(A),返回两个arrage,表示不为0的索引值

sort(A),按行从小到大排序

transpose(A),矩阵的反向、向转等同于A.T,

cpp(A,3,9),所有小于3的值,变成3,所有大于9的值,变成9

索引

A[1]第一行

A[1][1]第1行第1列

A[1,1]第1行第1列,与上面一样只是表达形式不一样

A[2,:]第2行所有的数据

A[:,2]第2列所有的数据

A[1,1:2]第1行,从第1列到第2列的数据

遍历

for row in A:

print row

默认迭代行数显示行。

np没有提供按列迭代,需要用些手段,例如将矩阵进行反转遍历即可实现

for column in A.T:

print colum

如果要迭代其项目,则A需要转换成一行序列

for item in A.flag:

print item

另注意A.flatten()返回的也是一个序列,与flag类似。功能一样

相关文章

精彩推荐