1、np.dot(M1,M2) #表示矩阵相乘
#公式表示M1M2
2、np.multiply(M1,M2) #矩阵对应元素相乘
#公式表示 M1*M2
3、np.power(M,n) #表示内部元素自乘n次
4、a[::-1]反转数组
5、list列表:以一个方括号实现中间以逗号分隔开,中间元素的类型可不相同
6、np.stack(array,axis=dim)
dim:可选范围[0,dim(array)](其中dim(array)指array的维度。ps.array可以为一个list或为数组,list的维度为1)
若array为list,np.stack会将array转化为numpy的array,同时增加一个维度,维度增加的位置有axis的数值控制。list转化为numpy的array就直接去掉逗号即可,记为np_array。在np_array的dim的维度位置加上中括号,即增加一维,在堆叠起来。
若array为numpy的array,不增加维度,只按照axis修改维度位置。
import numpy as np
a=np.array([[[1],[4]],[[7],[10]]])
d=np.stack(a,axis=0)
b=np.stack(a,axis=1)
c=np.stack(a,axis=2)
print(a)
print(d)
print(b)
print(c)
输出结果:
a:
[ [[1] [4]]
[[7] [10] ]
b:
[ [[1] [4]]
[[7] [10] ]
c:
[ [[1] [7]]
[[4] [10] ]
d:
[ [[1 7]]
[[4 10] ]
7、np.argmax
np.argmax(a):未定义axis,则返回flatten后的index
import numpy as np
a = np.array([[1, 5, 5, 2],
[9, 6, 2, 8],
[3, 7, 9, 1]])
print(np.argmax(a))
Output:4
8、np.trapz(y, x=None, dx=1.0, axis=-1)
对y(x)在给定的轴上计算积分值,计算采样数值与x轴围成图形的面积- y: 需要被积分的数值序列
- x: y中元素的间距,积分变量。若为空,则y元素的间距默认为dx
- dx: 如果x为空,y中元素的间距由dx给出
- axis: 确定积分轴
9、np.sum()
10、np.expand_dims(a,axis)
在axis位置增加1维