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))