Python的numpy库中将矩阵转换为列表等函数

2017-09-13 12:24:06来源:CSDN作者:qq_35448976人点击

分享

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))); xmatrix([[ 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:

[python] view plain copy
  1. >>> a=np.array([[1,2,3],[4,5,6],[7,8,9]]) #先输入3行2列的数组a  
  2. >>> b=a[:,:2]     
  3. >>> b.shape    #当数组的行与列都大于1时,不需增加维度  
  4. (32)  
  5. >>> c=a[:,2]     
  6. >>> c.shape    #可以看到,当数组只有一列时,缺少列的维度  
  7. (3,)  
  8. >>> c  
  9. array([369])  
[python] view plain copy
  1. >>> d=a[:,2,np.newaxis]    #np.newaxis实现增加列的维度  
  2. >>> d  
  3. array([[3],  
  4.        [6],  
  5.        [9]])  
  6. >>> d.shape      #d的维度成了3行1列(3,1)  
  7. (31)  
  8. >>> e=a[:,2,None]   #None与np.newaxis实现相同的功能  
  9. >>> e  
  10. array([[3],  
  11.        [6],  
  12.        [9]])  
  13. >>> e.shape  
  14. (31)  

(6)numpy.random.shuffle(index): 打乱数据集(数组)的顺序

Examples:

[python] view plain copy
  1. >>> index = [i for i in range(10)]  
  2. >>> index  
  3. [0123456789]  
  4. >>> np.random.shuffle(index)  
  5. >>> index  
  6. [7930415286]  

(7)计算二维数组某一行或某一列的最大值最小值

[python] view plain copy
  1. >>> import numpy as np  
  2. >>> a = np.arange(15).reshape(5,3)  #构造一个5行3列的二维数组  
  3. >>> a  
  4. array([[ 0,  1,  2],  
  5.        [ 3,  4,  5],  
  6.        [ 6,  7,  8],  
  7.        [ 91011],  
  8.        [121314]])  
  9. >>> b = a[:,0].min()  ##取第0列的最小值,其他列同理  
  10. >>> b  
  11. 0  
  12. >>> c = a[0,:].max() ##取第0行的最大值,其他行同理  
  13. >>> c  
  14. 2  

(8)向数组中添加列:np.hstack()

[python] view plain copy
  1. n = np.array(np.random.randn(4,2))  
  2.   
  3. n  
  4. Out[153]:   
  5. array([[ 0.17234   , -0.01480043],  
  6.        [-0.33356669, -1.33565616],  
  7.        [-1.11680009,  0.64230761],  
  8.        [-0.51233174, -0.10359941]])  
  9.   
  10. l = np.array([1,2,3,4])  
  11.   
  12. l  
  13. Out[155]: array([1234])  
  14.   
  15. l.shape  
  16. 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。

[python] view plain copy
  1. n = np.hstack((n,l))  
  2. 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:

[python] view plain copy
  1. 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  
  2.   
  3. n  
  4. Out[161]:   
  5. array([[ 0.17234   , -0.01480043,  1.        ],  
  6.        [-0.33356669, -1.33565616,  2.        ],  
  7.        [-1.11680009,  0.64230761,  3.        ],  
  8.        [-0.51233174, -0.10359941,  4.        ]])  
下面讲一下如何按列往一个空列表添加值:

[python] view plain copy
  1. 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  
  2.   
  3. n  
  4. Out[166]:   
  5. array([[  1,   2,   3,   4,   5,   6],  
  6.        [ 11,  22,  33,  44,  55,  66],  
  7.        [111222333444555666]])  
  8.   
  9. sample = [[]for i in range(3)]  ##产生三行一列的空列表  
  10. Out[172]: [[], [], []]    
  11. for i in range(0,6,2):   ##每间隔一列便添加到sample中  
  12.     sample = np.hstack((sample,n[:,i,np.newaxis]))      
  13.       
  14.   
  15. sample  
  16. Out[170]:   
  17. array([[   1.,    3.,    5.],  
  18.        [  11.,   33.,   55.],  
  19.        [ 111.,  333.,  555.]])  

最新文章

123

最新摄影

微信扫一扫

第七城市微信公众平台