时间：2020-10-17 10:54:58 | 栏目：Python代码 | 点击：次
这篇文章主要介绍Python的numpy库中的一些函数，做备份，以便查找。
（1）将矩阵转换为列表的函数：numpy.matrix.tolist（）
返回list列表
Examples
>>>
>>> x = np.matrix(np.arange(12).reshape((3,4))); x matrix([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) >>> x.tolist() [[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]]
（2）将数组转换为列表的函数：numpy.ndarray.tolist（）
Notes：（数组能够被重新构造）
The array may be recreated, a=np.array(a.tolist()).
Examples
>>>
>>> a = np.array([1, 2]) >>> a.tolist() [1, 2] >>> a = np.array([[1, 2], [3, 4]]) >>> list(a) [array([1, 2]), array([3, 4])] >>> a.tolist() [[1, 2], [3, 4]]
（3）numpy.mean()计算矩阵或数组的均值：
Examples
>>>
>>> a = np.array([[1, 2], [3, 4]]) #对所有元素求均值 >>> np.mean(a) 2.5 >>> np.mean(a, axis=0) #对每一列求均值 array([ 2., 3.]) >>> np.mean(a, axis=1) #对每一行求均值 array([ 1.5, 3.5])
（4）numpy.std()计算矩阵或数组的标准差：
Examples
>>>
>>> a = np.array([[1, 2], [3, 4]]) #对所有元素求标准差 >>> np.std(a) 1.1180339887498949 >>> np.std(a, axis=0) #对每一列求标准差 array([ 1., 1.]) >>> np.std(a, axis=1) #对每一行求标准差 array([ 0.5, 0.5])
（5）numpy.newaxis为数组增加一个维度：
Examples:
>>> a=np.array([[1,2,3],[4,5,6],[7,8,9]]) #先输入3行2列的数组a >>> b=a[:,:2] >>> b.shape #当数组的行与列都大于1时，不需增加维度 (3, 2) >>> c=a[:,2] >>> c.shape #可以看到，当数组只有一列时，缺少列的维度 (3,) >>> c array([3, 6, 9])
>>> d=a[:,2,np.newaxis] #np.newaxis实现增加列的维度 >>> d array([[3], [6], [9]]) >>> d.shape #d的维度成了3行1列（3,1） (3, 1) >>> e=a[:,2,None] #None与np.newaxis实现相同的功能 >>> e array([[3], [6], [9]]) >>> e.shape (3, 1)
（6）numpy.random.shuffle(index): 打乱数据集（数组）的顺序：
Examples:
>>> index = [i for i in range(10)] >>> index [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] >>> np.random.shuffle(index) >>> index [7, 9, 3, 0, 4, 1, 5, 2, 8, 6]
（7）计算二维数组某一行或某一列的最大值最小值：
>>> import numpy as np >>> a = np.arange(15).reshape(5,3) #构造一个5行3列的二维数组 >>> a array([[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8], [ 9, 10, 11], [12, 13, 14]]) >>> b = a[:,0].min() ##取第0列的最小值，其他列同理 >>> b 0 >>> c = a[0,:].max() ##取第0行的最大值，其他行同理 >>> c 2
（8）向数组中添加列：np.hstack()
n = np.array(np.random.randn(4,2)) n Out[153]: array([[ 0.17234 , -0.01480043], [-0.33356669, -1.33565616], [-1.11680009, 0.64230761], [-0.51233174, -0.10359941]]) l = np.array([1,2,3,4]) l Out[155]: array([1, 2, 3, 4]) l.shape Out[156]: (4,)
可以看到，n是二维的，l是一维的，如果直接调用np.hstack()会出错：维度不同。
n = np.hstack((n,l)) ValueError: all the input arrays must have same number of dimensions
解决方法是将l变为二维的，可以用（5）中的方法：
n = np.hstack((n,l[:,np.newaxis])) ##注意：在使用np.hstack()时必须用()把变量括起来，因为它只接受一个变量 n Out[161]: array([[ 0.17234 , -0.01480043, 1. ], [-0.33356669, -1.33565616, 2. ], [-1.11680009, 0.64230761, 3. ], [-0.51233174, -0.10359941, 4. ]])
下面讲一下如何按列往一个空列表添加值：
n = np.array([[1,2,3,4,5,6],[11,22,33,44,55,66],[111,222,333,444,555,666]]) ##产生一个三行六列容易区分的数组 n Out[166]: array([[ 1, 2, 3, 4, 5, 6], [ 11, 22, 33, 44, 55, 66], [111, 222, 333, 444, 555, 666]]) sample = [[]for i in range(3)] ##产生三行一列的空列表 Out[172]: [[], [], []] for i in range(0,6,2): ##每间隔一列便添加到sample中 sample = np.hstack((sample,n[:,i,np.newaxis])) sample Out[170]: array([[ 1., 3., 5.], [ 11., 33., 55.], [ 111., 333., 555.]])
持续更新中……