numpy是用于處理矩陣運(yùn)算非常好的工具。執(zhí)行效率高，因?yàn)槠涞讓邮怯玫氖荂語(yǔ)句

使用numpy,需要將數(shù)據(jù)轉(zhuǎn)換成numpy能識(shí)別的矩陣格式。

基本用法:

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

名稱描述

• object數(shù)組或嵌套的數(shù)列
• dtype數(shù)組元素的數(shù)據(jù)類(lèi)型，可選，例如：int64,int16,int32,float64等，位數(shù)越高，精度越高，但也更耗內(nèi)存。
• copy對(duì)象是否需要復(fù)制，可選
• order創(chuàng)建數(shù)組的樣式，C為行方向，F(xiàn)為列方向，A為任意方向（默認(rèn)）
• subok默認(rèn)返回一個(gè)與基類(lèi)類(lèi)型一致的數(shù)組
• ndmin指定生成數(shù)組的最小維度。幾維數(shù)組，默認(rèn)0維數(shù)組

創(chuàng)建numpy矩陣的其他形式

• np.zeros((3,4)):創(chuàng)建3行4列值都為0矩陣
• np.ones((3,4)):創(chuàng)建3行4列值都為1矩陣
• np.random.random((3,4)):創(chuàng)建3行4列值為0~1隨機(jī)數(shù)
• np.arange(1,20,5).shape(3,4):創(chuàng)建3行4列維數(shù)組，數(shù)值從1到20，步長(zhǎng)為5
• np.arange(5) : 創(chuàng)建1維數(shù)組，數(shù)值從0至4
• np.empty（（3，4））：創(chuàng)建3行4列值為空的矩陣
• np.linspace(1,10,10)：創(chuàng)建1維數(shù)組，開(kāi)始點(diǎn)為 1 ，終止點(diǎn)為 10，數(shù)列個(gè)數(shù)為 10。即元素共10個(gè).[1,2,3,4,5,6,7,8,9.10]

np.sin(a),即計(jì)算該矩陣值的sin結(jié)果

np.cos(a)

np.tan(a)

arcsin，arccos，和 arctan 函數(shù)返回給定角度的 sin，cos 和 tan 的反三角函數(shù)。

矩陣a,矩陣b

a+b，代表逐一加法
a/b，代表逐一除法
a-b，代表逐一減法
a*b，代表逐一乘積

• np.dot(a,b),a.dot(b）則代表矩陣乘法
• 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，只是表達(dá)形式不一樣，與老版的average是一樣的功能
• median(A),中位數(shù)，與平均值一樣的數(shù)
• cumsum(A),第兩位數(shù)的累加，變成一個(gè)一維數(shù)組
• diff(A),每?jī)蓚€(gè)數(shù)進(jìn)行減法，按行，原行-1
• notzero（A），返回兩個(gè)arrage，表示不為0的索引值
• sort(A),按行從小到大排序
• transpose(A),矩陣的反向、向轉(zhuǎn)等同于A.T，
• clip(A,3,9),所有小于3的值，變成3，所有大于9的值，變成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，與上面一樣只是表達(dá)形式不一樣
• A[2,:]第2行所有的數(shù)據(jù)
• A[:,2]第2列所有的數(shù)據(jù)
• A[1,1:2]第1行，從第1列到第2列的數(shù)據(jù)
  

遍歷

for row in A:
print row

默認(rèn)迭代行數(shù)顯示行。

np沒(méi)有提供按列迭代，需要用些手段，例如將矩陣進(jìn)行反轉(zhuǎn)遍歷即可實(shí)現(xiàn)

for column in A.T:
print colum

如果要迭代其項(xiàng)目，則A需要轉(zhuǎn)換成一行序列

for item in A.flag:
print item

另注意A.flatten()返回的也是一個(gè)序列，與flag類(lèi)似。功能一樣

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論