- astype(dtype)
- 将一个数组中的元素强转为某一类型
- 例子:
>>> x = np.array([1, 2, 2.5])
>>> x
array([ 1. , 2. , 2.5])
>>>
>>> x.astype(int)
array([1, 2, 2])- mean(numpy,array,axis)
- 按照数组的某一轴线依次求在该轴上元素的平均值,若无axis参数,则求数组中所有元素的平均值
- 例子:
>>> a = np.array([[1, 2], [3, 4]])
>>> np.mean(a)
2.5
>>> np.mean(a, axis=0)//即求1和3 2和4的平均值
array([ 2., 3.])
>>> np.mean(a, axis=1)//即求1和2 3和4的平均值
array([ 1.5, 3.5])- numpy.random.randn
- 输出标准正态分布的矩阵,即元素都是在标准正态分布曲线上取得,参数为矩阵的行和列,若只有一个参数,则是一个一维数组
- 例子:
`>>> np.random.randn(3)
array([-0.78061302, 1.52089623, -1.26413051])np.random.randn(3,4)
array([[ 0.49945579, 0.46917075, -0.8869804 , -0.07253449],
[-0.90065616, 1.05328746, 0.23301388, -0.63220002],
[ 0.40622906, 0.12330089, -0.37344168, 0.03304038]])`若想产生足正太分布为N(3,2.5^2),2行4列的array,则
- `>>> 2.5 * np.random.randn(2, 4) + 3
array([[-4.49401501, 4.00950034, -1.81814867, 7.29718677],
[ 0.39924804, 4.68456316, 4.99394529, 4.84057254]])`
- numpy.std()
- 求给定数组的标准差
- 例子:
>>> a
array([[6, 7, 1, 6],
[1, 0, 2, 3],
[7, 8, 2, 1]])
>>> np.std(a,axis=0)
array([ 2.62466929, 3.55902608, 0.47140452, 2.05480467])- numpy.linalg.svd
- numpy中的奇异值分解方法
- 例子:
>>> U, s, V = np.linalg.svd(a, full_matrices=True)
>>> U.shape, V.shape, s.shape
((9, 9), (6, 6), (6,))