Python的numpy库中将矩阵转换为列表等函数

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))); x
matrix([[ 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:

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. ( 3, 2)
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([ 3, 6, 9])

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. ( 3, 1)
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. ( 3, 1)

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

Examples:

1. >>> index = [i for i in range( 10)]
2. >>> index
3. [ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
4. >>> np.random.shuffle(index)
5. >>> index
6. [ 7, 9, 3, 0, 4, 1, 5, 2, 8, 6]

（7）计算二维数组某一行或某一列的最大值最小值：

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. [ 9, 10, 11],
8. [ 12, 13, 14]])
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()

1. n = np.array(np.random.randn( 4, 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]])
10. l = np.array([ 1, 2, 3, 4])
12. l
13. Out[ 155]: array([ 1, 2, 3, 4])
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。

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：

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
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：

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
3. n
4. Out[ 166]:
5. array([[ 1, 2, 3, 4, 5, 6],
6. [ 11, 22, 33, 44, 55, 66],
7. [ 111, 222, 333, 444, 555, 666]])
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]))
15. sample
16. Out[ 170]:
17. array([[ 1., 3., 5.],
18. [ 11., 33., 55.],
19. [ 111., 333., 555.]])