Python基础-几个基础函数应用

定义函数：

def function():  #定义一个函数，注意后面加上冒号

#insert your code here #必须缩进。Python对缩进比较敏感，该缩进的地方必须缩进。

shape()函数：

它是numpy的函数：

求取矩阵的维度，类似matlab中的size()

shape[0]：几行，shape[1]：几列

使用方法：（Mat表示一个矩阵）

①numpy.shape(mat)；  ②mat.shape[0], mat.shape[1]……

reshape()函数：

 tile(A,n)：将数组A重复n次

若n是一个二元组[n,m]，表示将A看作一个整体，拓展成n行m列。

用法如下：

幂指数：

mat ** n #表示矩阵mat(必须是方阵)的n次幂

list转成numpy下的矩阵：

mat=numpy.mat(list)

numpy.sum(axis) #矩阵求和：

numpy.sum(axis=0) #按列求和

numpy.sum(axis=1) #按行求和

若axis缺省，则对整个矩阵求和。

numpy.mean(axis) #矩阵求均值：

numpy.mean(axis=0) #按列求均值

numpy.mean(axis=1) #按行求均值

若axis缺省，则对整个矩阵求均值。

argsort() #返回数组从小到大排序后元素对应的排序前的索引值index

#几种数据类型的操作方式：
#数组array:  a=[1,2,3,4] 读取：a[1] 类似C语言方式；二维数组a=[[1,2],[3,4]],读取：a[0][1]
#数组的操作是基于元素的，加减乘除方式，都是对应位置上的操作，
#数组按矩阵方式相乘，用dot(a,b)

#列表list:   L=['a',1,2,'b']，读取方式与c语言类似，只不过它的元素类型可以不同；二维列表L=[['a',1],[1,2],['b','c']]，读取方式同数组
#矩阵matrix: a=mat([1,2,3,4]),读取方式a[r,l]，这里必须用[],不能用(),不同于matlab中a(r,l)，也不同于数组的a[][]方式
#矩阵matrix是array的子类，继承了array的很多操作，用于处理线性代数的运算
#matrix中.H,.A,.I表示共轭，转置，逆矩阵。
#matrix常用array代替，只是在求矩阵乘法的时候，需要用dot

matplotlib模块，实现类似matlab中的plot功能
#scatter(a,b)：用于画散点图，将向量a和b分别散落在x和y轴上。
#plt.show():用于将figure画出来

文件操作：

#python中写文件路径时，分隔符用'/'，不同于windows的'\'

fr = open(filename)

lineStr=fr.readline() #将文件内容，按行读入

Str=fr.readlines()    #一次性读取整个文件内容