Pythonnumpy矩阵处理运算工具用法汇总

Pythonnumpy矩阵处理运算⼯具⽤法汇总
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.linspace(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，
clip(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
以上就是本⽂的全部内容，希望对⼤家的学习有所帮助，也希望⼤家多多⽀持。