numpy常用命令及其用法

NumPy是python中用于科学计算的基础模块,一般用于存储处理大型复杂的矩阵。再NumPy中可以存储任何类型的数据,这使得它具有非常强大的整合功能。现将该模块中常用函数及其用法归纳如下。
我们把NumPy模块中常见的命令整合在了一个py文件当中,通过源代码可以看见各个函数的用法。通过运行结果可以看见各函数的作用。
源代码如下:

import numpy as np
a1=np.array([1,2,3])            #通过列表创建数组
a2=np.array([(2,3,4),(4,7,0)])  #通过元组创建数组
print "array函数:------------------------\n"
print "创建矩阵a1:\n",a1
print "创建矩阵a2:\n",a2
a4=np.zeros((3,4))              #创建一个三行四列的零矩阵
print "zeros函数:------------------------\n"
print "创建一个三行四列的零矩阵:\n",a4
a5=np.identity(4)               #生成四维单位矩阵
print "identity函数:------------------------\n"
print "生成四维单位矩阵:\n",a5
a6=np.random.random(size=(2,2)) #随机生成2×2矩阵,并且元素值再0至1之间
print "random函数:------------------------\n"
print "随机生成2×2矩阵,并且元素值再0至1之间:\n",a6
a7=np.empty([2,4],dtype=int)    #empty本来就不是每个值为很小的数的矩阵,每个值都是由random产生的。
                                #没有任何意义,需要用户使用参数,平时一般用不着
print a7
b1=np.all(a2)                   #测试数组元素是否均为非零
print "all函数:------------------------\n"
if b1==True:
    print "该矩阵均为非零元素。"
else:
    print "该矩阵至少有一个元素为0。"
b2=np.any(a2)                  #矩阵中是否至少有一个非零元素
print "any函数:------------------------\n"
if b2==True:
    print "a2中至少有一个非零元素。"
else:
    print "a2中元素值全部为零。"
a8=np.average(a1)              #计算矩阵元素加权平均值,此处无加权,默认为计算平均值
print "average函数:------------------------\n"
print "a1平均值为:/n",a8
a9=np.array([4,5,6])
a10=np.average(a1,weights=a9)   #计算矩阵元素加权平均值,对应权值分别为:4,5,6
print "对应加权为:4、5、6\n"
print "a1矩阵加权平均值为:\n",a10
b3=np.nonzero(a5)               #b3会返回两个矩阵,前一个矩阵是非零元素所对应的行数,
                                #后一个矩阵是非零元素对应的列数
print "nonzero函数:------------------------\n"
print "a5矩阵的非零元素位置为:\n",b3
b4=np.sort(a2)                  #对矩阵的每一行元素从小到大排列
print "sort函数:------------------------\n"
print "将a2矩阵的每一行元素按从小到大排列:\n",b4
b5=np.var(a2)                   #计算矩阵所有元素的方差
print "var函数:------------------------\n"
print "a2矩阵的方差是:\n",b5
b6=np.reshape(a2,(1,6))         #改变矩阵的形状但不改变元素值
print "reshape函数:------------------------\n"
print "将a2矩阵变成1×6矩阵:\n",b6
b7=np.eye(4)                    #生成4维单位矩阵
print "eye函数:------------------------\n"
print "生成4维单位矩阵:\n",b7
b8=np.transpose(a2)             #生成转置矩阵
print "transpose函数:------------------------\n"
print "生成a2转置矩阵:\n",b8
b9=np.std(a2)                   #计算标准差
print "std函数:------------------------\n"
print "a2的标准差为:\n",b9
b10=np.cov(a2)                  #计算a2的协方差矩阵
print "cov函数:------------------------\n"
print "计算a2的协方差矩阵\n",b10
aa=np.array([(2,3,1),(4,7,2),(3,6,7)])
b11=np.dot(a2,aa)               #矩阵乘法
print "dot函数:------------------------\n"
print "aa与a2的矩阵乘法为:\n",b11
b12=np.linalg.inv(a5)          #返回逆矩阵
print "inv函数:------------------------\n"
print "a5的逆矩阵为:\n",b12
print "a2的元素和为:\n",a2.sum()
print "a2的最大元素为:\n",a2.max()
#关于切割拼接矩阵,切割数一定要是矩阵行数或列数的因数,否则系统无法判断如何分割
c1=np.vstack((a1,a2))           #纵向拼接矩阵
print "vstack函数:------------------------\n"
print "纵向拼接矩阵a1、a2:\n",c1
c2=np.hstack((a2,a2))           #横向拼接矩阵
print "hstack函数:------------------------\n"
print "横向拼接矩阵a1、a2:\n",c2
c3=np.hsplit(a5,2)              #横向切割矩阵为两部分
print "hsplit函数:------------------------\n"
print "横向切割矩阵a5为两部分:\n",c3
c4=np.vsplit(a5,4)              #纵向切割矩阵为两部分
print "vsplit函数:------------------------\n"
print "纵向切割矩阵a5为两部分:\n",c4
  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值