【python】numpy的常用方法

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

list基本操作

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

参考链接

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()

参考链接

10、np.expand_dims(a,axis)

在axis位置增加1维