numpy

numpy

导入numpy

常用代码：import numpy as np或from numpy import *。建议使用第一种。使用第一种时要在numpy函数前加上np.xxx，如·np.array

矩阵的创建

常用代码:

1. 创建数组
   np.array([[1,2,3]])创建一个1*3的numpy数组
2. 创建全1矩阵
   np.ones([a,b])创建一个a*b的矩阵，元素全为1

注意：np.ones和np.zeros的参数是一维向量，需要使用[]，而np.random.rand不需要使用[]

3. 创建全0矩阵
   np.zeros([a,b])创建一个a*b的矩阵，元素全为0
4. 创建对角矩阵
   np.diag([a,b,c])创建一个对角线元素为a,b,c的矩阵
   np.diag([[a,b,c],[d,e,f],[g,h,i]])创建一个1*3向量，元素为矩阵对角线元素

矩阵的运算

1. 计算向量间的欧氏距离

   a1 = np.array([[1,2],[2,3]])
   a2 = np.array([[2,0],[2,1]])
   dist = np.linalg.norm(a1 - a2)
   print(dist)

2. 一维数组的转置
   np.transpose([a])

3. 矩阵的排序
   np.sort(a, axis=-1, kind='quicksort', order=None)
   返回排序好的矩阵，a为原矩阵，axis为排序方向，axis = 0为纵轴排序，axis = 1位横轴排序

4. 垂直合并矩阵
   np.vstack((a,b))
   将a,b矩阵垂直合并

5. 水平合并矩阵
   np.hstack((a,b))
   将a,b矩阵水平合并

6. 按矩阵某行排序
   data = data[:,data[2].argsort()]
   按第3行从小到大排序

7. 按矩阵某列排序
   data = data[data[:,2].argsort()]
   按第3列从小到大排序

8. 矩阵的乘法
   np.dot(a,b)

9. 多矩阵乘法
   np.linalg.multi_dot([a,b,c])

10. 矩阵的加法
    np.sum(a)
np.sum(a,axis = 0) #每列相加
np.sum(a,axis = 1) #每行相加
    axis代表相加后消失的维数

11. 矩阵的删除
    np.delete(X,0,axis=0)
    删除矩阵第一行

12. 行向量转列向量
    a.shape = (3,1)

13. 矩阵的随机化
    np.random.shuffle(matrix)
    沿着第一维进行重新排列。如果是二维数据，那么就按行进行重新排列

14. 去除nan值
    x = x[~np.isnan(x)]
np.nanmean(np.array([1, 2, 3, np.nan])

15. 统计矩阵不重复的行或列
    unq, cnt = np.unique(a, return_counts=True, axis=0)
return counts表示返回不重复行/列的数目，axis=0表示从行的方向统计。

16. 矩阵的重叠
    在numpy中，矩阵的重叠有两种： np.tile()和np.repeat()。np.tile()是将整个矩阵进行重叠，np.repeat()是将矩阵中的每个元素进行重叠。

    a = np.array([[1, 2, 3], [4, 5, 6]])
    b = np.tile(a, (2, 1))
    c = np.repeat(a, 2, axis=0)
    >>> b
    array([[1, 2, 3],
       [2, 3, 4],
       [1, 2, 3],
       [2, 3, 4]])
    >>> c
    array([[1, 2, 3],
       [1, 2, 3],
       [2, 3, 4],
       [2, 3, 4]])

17. 使用元组索引数组
    可以使用元组对数组进行索引，即a[(2, 3)]。如果是其他类型的，可以使用tuple()进行转换。

矩阵元素操作

1. 找出所有等于某个值的所有元素的下标

   a = np.random.randint(1, 10, 100)
   np.where(a == 2)
   np.argwhere(a == 2)

数据的产生

1. 正态分布数据
   numpy.random.normal(loc, scale, size)
   loc：float
   此概率分布的均值（对应着整个分布的中心centre）
   scale：float
   此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
   size：int or tuple of ints
   输出的shape，默认为None，只输出一个值
2. 随机分布数据
   numpy.random.rand(a,b)创建一个维数为a*b，数值在[0,1)的随机矩阵
3. 标准正态分布数据中随机抽取
   numpy.random.randn(a,b)创建一个维数为a*b，数值取值为标准正态分布中随机取样本点
4. 产生不重复随机数组
   random.sample(a,b)在a数组的范围内随机产生b个不重复的随机数

本文由 Eric_fish 创作，采用 知识共享署名4.0 国际许可协议进行许可
本站文章除注明转载/出处外，均为本站原创或翻译，转载前请务必署名