Python中numpy模块功能整理（下）：矩阵的运算、重构、排序、广播性质、过滤、Pandas转换

一、模块准备：

import numpy as np

二、矩阵运算：

  # 矩阵准备

a=np.array([[1,2],
           [3,4]])
b=np.array([[5,6],
          [7,8]])

1、矩阵的加法运算：两矩阵对应元素相加

#方法1
a+b
#方法2
np.add(a,b)

  结果：

  

2、矩阵的减法运算：两矩阵对应元素相减

#方法1
a-b
#方法2
np.subtract(a,b)

  结果：

  

3、面向元素的乘法运算：两矩阵对应元素相乘

#方法1
a*b
#方法2
np.multiply(a,b)

  结果：  

  

4、面向元素的矩阵除法运算：两矩阵对应元素相除

#方法1
a/b
#方法2
np.divide(a,b)

  结果：

  

5、面向矩阵的乘法运算：两矩阵相乘

#面向矩阵的乘法运算要求两矩阵1的行与矩阵2的列数相同，因此矩阵b需重新定义
a=np.array([[1,2],
           [3,4]])
b=np.array([[1,2,3],
           [4,5,6]])
#矩阵相乘
a.dot(b)

  结果：

  

6、矩阵所有元素开根号：

np.sqrt(a)

  结果：

  

7、矩阵所有元素求和：

np.sum(a)

  结果：

  

8、矩阵所有行的个元素分别求和：

np.sum(a,axis=1)

  结果：

  

9、矩阵所有列的元素分别求和：

np.sum(a,axis=0)

  结果：

  

10、矩阵的所有元素求平均值：

np.mean(a)

  结果：

  

11、矩阵的所有行分别求元素的平均值：

np.mean(a,axis=1)

  结果：

  

12、矩阵的所有列分别求元素的平均值：

np.mean(a,axis=0)

  结果：

  

13、矩阵的转置：

a=np.array([[0,2,1,3],
          [2,3,0,1]])
#方法1
a.T
#方法2
np.transpose(a)

  结果：

  

14、生成随机数：

#生成1到100的随机数（小数）
np.random.uniform(1,100)

  结果：

  

二、矩阵的重构：

     对矩阵进行重复构造：将其当作一个元素重复指定的次数 ：

  例1：

np.tile(a,(1,2))#行重复1次，列重复2次

  例2：

np.tile(a,(2,2))#行重复2次，列重复2次

  结果1：                                                  结果2：

               

三、矩阵的排序：

  # 矩阵准备：

d=np.array([[ 6,  5,  2],
       [ 6,  18,  9],
       [ 9, 11, 3],
       [12, 33, 15]])

1、对每行的元素进行排序，输出结果索引

d.argsort()

  结果：

  

2、对每列的元素进行排序，输出结果索引

d.argsort(axis=0)

  结果：

  

3、对每行的元素进行排序，直接改变内部矩阵结果：

d.sort()

  结果：

  

4、对每列的元素进行排序，直接改变内部矩阵结果：

d.sort(axis=0)

  结果：

  

四、numpy中矩阵的广播性质：

   现有两矩阵：

a=np.array([[1,2,3],
           [4,5,6],
           [7,8,9],
           [10,11,12]])
b=np.array([2,3,3])

    需求：要求矩阵a的每一行与b相加。

方法1，循环实现，Python的for循环性能较差，不建议。

for i in range(4):
    a[i,:]+=b

方法2，借助numpy的重构函数实现，原理还是矩阵的相加。

a+np.tile(b,(4,1))

方法3，运用numpy中矩阵的广播性质: 当一个二维矩阵与一个单维矩阵相加时，默认多为矩阵的每一行（列）与单维矩阵相加。

a+b

  结果：

五、矩阵的过滤

  # 矩阵准备：

a=np.array([[ 1, 32,  3,  4],
       [ 5, 36,  7,  8],
       [ 9, 40, 11, 12]])

  需求，过滤出矩阵中大于10的数字

1、构造布尔矩阵：

result_index=a>10

   结果：

  

2、将原矩阵于布尔矩阵对应元素相乘：

e=a*result_index

  结果：

  

六、将Pandas中的DataFrame类型数据转换为numpy中的array类型矩阵

1、模块准备：

import numpy as np
import pandas as pd

2、数据准备：

df=pd.DataFrame({'a':[1,2,3],'b':[4,5,6],'c':[7,8,9]})

  结果：

  

3、转换方法：

#方法1
a=df.values
#方法2
a=np.array(df)
#方法3，不推荐
df.as_matrix()

   结果：