- 将array数组转换为矩阵
import math
import numpy as np
C_zd=np.array([7,5,7,2,42,54,45,43,10,8,15,14]).reshape((3,4)) #将array数组转换为3行4列的矩阵
- 矩阵强制修改
C_zd.shape(4,3)#将原(3,4)矩阵,强制转换为(4,3)矩阵
- 计算均值:
np.mean(C_zd)#将所有的元素求均值
np.mean(C_zd, axis=0) # axis=0,计算每一列的均值
np.mean(C_zd, axis=1) # 计算每一行的均值
矩阵:[[ 7 5 7 2]
[42 54 45 43]
[10 8 15 14]]
按行均值:[ 5.25 46. 11.75]
- 计算方差:
np.var(C_zd)#将所有的元素求样本方差
np.var(C_zd,axis=1,ddof=1) #axis=0,计算每一列的均值,样本数N-ddof
np.var(C_zd, axis=0,ddof=1) # axis=0,计算每一列的均值
np.var(C_zd, axis=1,ddof=1) # 计算每一行的均值
按行方差(样本数N-1):[ 5.58333333, 30. ,10.91666667]
其中,ddof确定样本数量,默认为N-ddof
详细参数设置:numpy.var
- 矩阵的转置
在Python中,np.array产生的一维矩阵(行矩阵),会被认定为向量。
例如:
a=np.array([7,5,7,2])#看似行矩阵
a.shape #a.shape为(4,)是一个向量形式
此时,用np.transpose(a)进行转置,不会产生变化,因为a为隐藏矩阵(1,1)所以转置后还是(1,1)的矩阵,显示不存在变化。
需要将其强制转换为(4,1)的矩阵,才能进行转置
a.shape(4,1) #此时为(4,1)的矩阵
如果是二维或高维矩阵,可直接用np.transpose(a)来进行转置。
- 生成指定行列范围的零矩阵
a = np.zeros(4,4) #一个4*4的全零矩阵
- 将np.array数组转换为list列表
np.zeros(4,4).tolist() #转换为list列表
#转换后,可进行list方法计算
- 将list列表转换为np.array数组
a = [5,6,9,8] #转换为list列表
np.array(a) #转换为为array数组
#转换后,可进行np.array的方法计算