1，获取矩阵行列数
Import numpyasnp
#创建二维的naaray对象
a=np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(a.shape) #返回一个形状，是一个tuple
print(a.shape[0])#获得行数，试想如果是多维的呢，所以你就会明白为什么是[0]
print(a.shape[1]) #获得列数
2，矩阵的截取
importnumpyasnp
#创建二维的naaray对象
a=np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(a[0:1])#这里不是很懂，看下面
print(a[1,2:4])#返回[89]，返回第二行2-3个数
print(a[1,2:5])#返回[8910]证明了取第二行的2-4个数
3，按条件截取
importnumpyasnp
#创建二维的naaray对象
a=np.array([[1,2,3,4,5],[6,7,8,9,10]])
b=a[a>6]#截取矩阵a中大于6的元素，范围的是一维数组
print(b)
print(a>6)#其实布尔语句首先生成一个布尔矩阵，将布尔矩阵传入[]（方括号）实现截取
4，满足一定条件的元素变成特定的值
importnumpyasnp
#创建二维的naaray对象
a=np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(a)
#大于6清零后矩阵为
a[a>6]=0
print(a)
结果分别为：
[[12345]
[678910]]
[[12345]
[60000]]
5，矩阵合并
importnumpyasnp
a1=np.array([[1,2],[3,4]])
a2=np.array([[5,6],[7,8]])
print(np.hstack([a1,a2]))#Horizontal
print(a1)#所以知道为什么是1256,2478了
print(np.vstack((a1,a2)))#vertical
np.concatenate((a1,a2),axis=0)#等价于np.vstack((a1,a2))
np.conca
6，通过函数创建矩阵
numpy自带创建narray对象的函数，可以方便的创建常用的有规律的矩阵
importnumpyasnp
a=np.arange(10)#默认从0开始到10（不包括10），步长为1
print(a)#返回[0123456789]
a1=np.arange(5,10)#从5开始到10（不包括10），步长为1
print(a1)#返回[56789]
a2=np.arange(5,20,2)#从5开始到20（不包括20），步长为2
print(a2)#返回[5791113151719]
7,linspace
importnumpyasnp
a=np.linspace(0,10,7)#生成首位是0，末位是10，含7个数的等差数列
print(a)
8，logspace
logspace用于生成等比数列。
importnumpyasnp
a=np.logspace(0,10,7)#生成首位是10**0，末位是10**4，含5个数的等比数列
print(a)
9，ones，zeros,eye,empty
ones创建全1矩阵
zeros创建全0矩阵
eye创建单位矩阵
empty创建空矩阵（实际有值）
importnumpyasnp
one=np.ones((3,4))#创建3*4的全1矩阵
print(one)
zero=np.zeros((3,4))#创建3*4的全0矩阵
print(zero)
eye=np.eye(5)#创建5阶单位矩阵
print(eye)
empty=np.empty((3,4))#创建3*4的空矩阵（实际有值）
print(empty)
10,fromstring ——获得字符ASCII码
fromstring()方法可以将字符串转化成ndarray对象，需要将字符串数字化时这个方法比较有用，可以获得字符串的ascii码序列,转成相应字符的阿斯卡码。
importnumpyasnp
a="abcdef"
b=np.fromstring(a,dtype=np.int8)#因为一个字符为8位，所以指定dtype为np.int8
print(b)#返回[979899100101102]
11，fromfunction
fromfunction()方法可以根据矩阵的行号列号生成矩阵的元素。
例如创建一个矩阵，矩阵中的每个元素都为行号和列号的和。
importnumpyasnp
deffunc(i,j):
returni+j #这里也可以是别的，比如再加一个9
a=np.fromfunction(func,(5,6))
#函数定义就是如此，第一个参数为指定函数，第二个参数为列表list或元组tuple,说明矩阵的大小
print(a)
12，常用矩阵函数
同样地，numpy中也定义了许多函数，使用这些函数可以将函数作用于矩阵中的每个元素。
表格中默认导入了numpy模块，即 import numpy asnp
a为ndarray对象。
np.sin(a) 对矩阵a中每个元素取正弦,sin(x)
np.cos(a) 对矩阵a中每个元素取余弦,cos(x)
np.tan(a) 对矩阵a中每个元素取正切,tan(x)
np.arcsin(a)对矩阵a中每个元素取反正弦,arcsin(x)
np.arccos(a)对矩阵a中每个元素取反余弦,arccos(x)
np.arctan(a)对矩阵a中每个元素取反正切,arctan(x)
np.exp(a) 对矩阵a中每个元素取指数函数,ex
np.sqrt(a) 对矩阵a中每个元素开根号√x
importnumpyasnp
a=np.array([[1,2,3],[4,5,6]])
print(np.sin(a))
#结果
[[0.841470980.909297430.14112001]
[-0.7568025-0.95892427-0.2794155]]
print(np.arcsin(a))
#结果
#RuntimeWarning:invalidvalueencounteredinarcsin
print(np.arcsin(a))
[[1.57079633nannan] #nan是not a number 的意思
[nannannan]]
13，矩阵乘法（点乘）
importnumpyasnp
a1=np.array([[1,2,3],[4,5,6]])
a2=np.array([[1,2],[3,4],[5,6]])
ifa1.shape[1]==a2.shape[0]:#列数等于行数的话
print(a1.dot(a2))
14,矩阵的转置
transpose函数
importnumpyasnp
a=np.array([[1,2,3],[4,5,6]])
print(a.transpose())
15，矩阵的逆
求矩阵的逆需要先导入numpy.linalg，用linalg的inv函数来求逆。
矩阵求逆的条件是矩阵的行数和列数相同。
importnumpyasnp
importnumpy.linalgaslg
a=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(lg.inv(a))
#结果
[[-4.50359963e+159.00719925e+15-4.50359963e+15]
[9.00719925e+15-1.80143985e+169.00719925e+15]
[-4.50359963e+159.00719925e+15-4.50359963e+15]]
a=np.eye(3)#3阶单位矩阵
print(lg.inv(a))#单位矩阵的逆为他本身
#结果
[[1.0.0.]
[0.1.0.]
[0.0.1.]]
16，矩阵信息获取（如平均值）
获得矩阵中元素最大最小值的函数分别是max和min，可以获得整个矩阵、行或列的最大最小值。
importnumpyasnp
a=np.array([[1,3,9],[1,5,6]])
print(a.max())
print(a.min())
print(a.max(axis=0))#[456]axis=0行方向最大（小）值，即获得每列的最大（小）值
print(a.min(axis=1))#[14]axis=1列方向最大（小）值
#要想获得最大最小值元素所在的位置，可以通过argmax函数来获得
print(a.argmax(axis=1))
17，平均值mean（）
获得矩阵中元素的平均值可以通过函数mean()。同样地，可以获得整个矩阵、行或列的平均值
importnumpyasnp
a=np.array([[1,2,3],[4,5,6]])
print(a.mean())#结果为：3.5
#同样地，可以通过关键字axis参数指定沿哪个方向获取平均值
print(a.mean(axis=0))#结果[2.53.54.5]
print(a.mean(axis=1))#结果[2.5.]
18，方差var()
importnumpyasnp
a=np.array([[1,2,3],[4,5,6]])
print(a.var())
print(a.var(axis=0))
print(a.var(axis=1))
19，标准差std()
importnumpyasnp
a=np.array([[1,2,3],[4,5,6]])
print(a.std())
print(a.std(axis=0))
print(a.std(axis=1))
20，中值median()
调用方法是numpy.median(x,[axis]),axis可指定轴方向，默认为axis=none，对所有数取中值
importnumpyasnp
x=np.array([[1,2,3],[4,5,6]])
print(np.median(x))#对所有数取中值
print(np.median(x,axis=0))#沿第一维方向取中值
print(np.median(x,axis=1))#沿第二维方向取中值
21，求和sum()
importnumpyasnp
a=np.array([[1,2,3],[4,5,6]])
print(a.sum())#对整个矩阵求和
print(a.sum(axis=0))#对行方向求和
print(a.sum(axis=1))#对列方向求和
22，累积和cussum（）
某位置累积和指的是该位置之前(包括该位置)所有元素的和。
例如序列[1,2,3,4,5]，其累计和为[1,3,6,10,15]，即第一个元素为1，第二个元素为1+2=3，……，第五个元素为1+2+3+4+5=15。
矩阵求累积和的函数是cumsum()，可以对行，列，或整个矩阵求累积和。
importnumpyasnp
a=np.array([[1,2,3],[4,5,6]])
print(a.cumsum())#对整个矩阵求累积和
print(a.cumsum(axis=0))#对行方向求累积和
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
