基本操作
- 常用操作
import numpy as np
x = np.array([1,2,3,4])
x.ndim 返回维度数
x.shape 返回形状
x.size 返回大小
- 如果定义子矩阵且更改原元素会影响原矩阵,如果不想更改则加上.copy()
- 合并与分割操作
如果有两个样本有三个特征,又有两个样本有相同的特征,则可以拼接起来;反之更改参数axis =1 ,列方向拼接,前提必须有同一维度,可以把一维向量reshape成1*n的二维矩阵
vstack,hstack 垂直拼接,水平拼接
数据分割,按照索引分割
按照维度分割,也可以加参数axis
按方向分割,vsplit, hsplit
n*1矩阵转换成向量
- numpy矩阵运算
A和B矩阵相乘,A矩阵转置
向量和矩阵在numpy里的运算
逆矩阵
只有方阵才有逆矩阵
伪逆矩阵
对任意二维矩阵,求伪逆矩阵
-
聚合运算
np.sum(a,axis)比python内置的sum()函数要效率高
np.prod()–所有元素乘积
np.median()–中位数
np.mean()–均值
np.var()–方差
np.std()–标准差
np.percentile(x,q=50)–分位数 -
索引运算
argmin(x)–返回随机向量中最小值的索引
argmax(x)–返回随机向量中最大值的索引 -
排序和使用索引
np.random.shuffle()打乱顺序
np.sort(x) 与 x.sort() 区别:前者并不会改变原向量中元素顺序
np.argsort() 先排序,而后显示排好序的元素在原向量中的位置
np.partition(x,3) 3为标定点,小于标定点的排左,大于标定点的排在右,且排的数并无序