a=np.array([2,23,4],dtype=np.float) |
把列表转换成矩阵(我们创建的时候是一个列表,有逗号分割,转换成矩阵之后就没有逗号分隔) |
a.ndim |
矩阵的维度 |
a.shape |
矩阵的形状(几行几列) |
a.shape[0] |
a的行数 |
a.shape[1] |
a的列数 |
a.size |
矩阵共有多少个元素 |
a=np.zeros((3,4)) |
生成3行4列的全零矩阵 |
a=np.arange[10,20,2] |
生成10到20的数列,间距是2 |
a=np.arange(12).reshape((3,4)) |
生成从0到11的3行4列矩阵 |
a=np.linspace(1,10,5) |
生成从1到10的一个线段,共5段,自动计算步长 |
a[0,0] |
索引a的第一行第一列 |
a[1,:] |
索引第二行的所有数 |
np.argmax(a,0) |
索取每列最大值索引,如果想索取每行最大值索引,把0换成1 |
a.flatten() |
把矩阵a中的元素放到一行 |
a=np.random.random((2,4)) |
随机生成2行4列的随机矩阵 |
np.sum(a, axis=None) |
对整个矩阵元素求和,如果数组a是多维,默认是对列求和,我们也可以对它进行指定,当axis=0时是对列进行求和,当axis=1时是对行进行求和 |
np.sum(a,axis=0) |
axis=0对每一列求和,axis=1对每一行求和 |
np.max(a,axis=0) |
寻找每一列中的最大值 |
np.clip(a, 5, 9) |
矩阵中小于5的元素为5,大于9的元素为9 |
np.size(a,0)/ np.size(a,1) |
当为0时求行个数,为1时求列个数 |
np.matmul(a,b) |
矩阵乘法(交叉相乘相加) |
np.dot(a,b) |
矩阵乘法(点积,与上相同) |
np.linspace(start, stop, num) |
生成num个从start到stop的数 |
np.expand_dims(data, axis=3) |
增加一个第四维,例如原数据形状是(60,28,28),新的形状是(60,28,28,1) |
A@B |
矩阵乘法 |
a*b |
对应元素相乘 |
A**2 |
矩阵里每个元素平方 |
np.hstack((a,b)) |
把矩阵a拼接到矩阵b的左侧(注意几个括号) |
np.vstack((a,b)) |
把矩阵b拼接到矩阵a的下方 |
np.concatenate((a,b,c,d,e),axis = 0) |
把多个矩阵进行上下合并 |
np.split(a,2,axis=1) |
把矩阵a进行纵向分割,分割成两列 |
np.array_split(a,3,axis=1) |
把矩阵a进行纵向不等量分割,分割成两列 |
np.vsplit(a,3) |
横向分割成三部分 |
np.hsplit(a,4) |
把矩阵a纵向分割成4部分 |
np.isin(a,b) |
判断a是否在b里,如果是就返回true,否则就返回false |
np.loadtxt('text.txt') |
读取txt文件 |
np.savetxt('text.txt', X) |
保存txt文件, 第一个是文件路径,X是要保存的数组 |
np.reshape(a, newshape) |
a要变换的array,newshape期望得到的形状 |
numpy.ndarray.flatten(a) |
将数组展平,返回原数据的副本 |
np.ravel(a) |
将数组展平,不返回数据副本 |
np.squeeze(data,axis = 1) |
对data的形状进行压缩,列入原data的形状为[5,1,24],压缩后的形状就为[5,24] |
np.random.rand(3,2) |
产生形状为(3,2)符合标准正太分布的随机数 |
np.random.randint(low, high, size=None) |
产生从low到high形状为size的整数 |
np.random.random(size=None) |
产生区间为[0,1)的随机浮点型数组 |
np.random.normal(size=None) |
产生符合正态分布的随机数 |
np.prod(a, axis=None) |
计算矩阵a元素的乘积,np.prod([[1.,2.],[3.,4.]]),结果为1234=24,np.prod([[1.,2.],[3.,4.]], axis=1)计算每一行的乘积,结果为[12=2,3*4=12] |
np.argsort(x) |
该函数是求输入数组x的按从小到大排列的索引。例如x=np.array([5,2,3]),则输出的结果为:array([1,2,0]) |
np.unique() |
去掉数组中重复的数 |
网友评论