1.shape
>>> w=np.zeros((5,6))
>>> w
array([[ 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0.]])
>>> w.shape[0]
5
>>> w.shape[1]
6
w是一个5行6列的矩阵
w.shape[0]返回的是w的行数
w.shape[1]返回的是w的列数
2.python tile() 函数简单介绍
格式:tile(A,reps)
* A:array_like 输入的array
* reps:array_like A沿各个维度重复的次数
for example:
A=[1,2]
tile(A,2)
Out[10]: array([1, 2, 1, 2])
tile(A,(2,2))
Out[11]:
array([[1, 2, 1, 2],
[1, 2, 1, 2]])
tile(A,(2,1))
Out[12]:
array([[1, 2],
[1, 2])
3.sum(axis)函数
是在给sum函数中加入参数。sum(a,axis=0)或者是.sum(axis=1) 就有点不解了
在我实验以后发现 我们平时用的sum应该是默认的axis=0 就是普通的相加
而当加入axis=1以后就是将一个矩阵的每一行向量相加
例如:
import numpy as np
np.sum([[0,1,2],[2,1,3],axis=1)
结果就是:array([3,6])
下面是自己的实验结果,与上面的说明有些不符:
a = np.array([[0, 2, 1]])
print a.sum()
print a.sum(axis=0)
print a.sum(axis=1)
结果分别是:3, [0 1 2], [3]
b = np.array([0, 2, 1])
print b.sum()
print b.sum(axis=0)
print b.sum(axis=1)
结果分别是:3, 3, 运行错误:'axis' entry is out of bounds
可知:对一维数组,只有第0轴,没有第1轴
c = np.array([[0, 2, 1], [3, 5, 6], [0, 1, 1]])
print c.sum()
print c.sum(axis=0)
print c.sum(axis=1)
结果分别是:19, [3 8 8], [ 3 14 2]
链接:http://www.bubuko.com/infodetail-671301.html
4.argsort函数
argsort函数返回的是数组值从小到大的索引值
Examples:
One dimensional array:一维数组
>>> x = np.array([3, 1, 2])
>>> np.argsort(x)
array([1, 2, 0])
二维数组的没看懂
5.numpy数组取某一行或某一列
某一行 array[行号,:]
某一列array[:,列号]
6.numpy矩阵初始化
ones:全1
zeros:全0
empty:随机数,取决于内存情况
zeros((行,列))
7.min和max
假设A是一个 m 行 n 列的矩阵;
- A.min(0) : 返回A每一列最小值组成的一维数组;
- A.min(1):返回A每一行最小值组成的一维数组;
- A.max(0):返回A每一列最大值组成的一维数组;
- A.max(1):返回A每一行最大值组成的一维数组;