python 学习~Numpy，PyCharm

（1）numpy中argsort函数的用法

argsort函数返回的是数组值从小到大的索引值

例如，一维数组：

x = numpy.array([3, 1, 2,77,0,2])
numpy.argsort(x)
array([4, 1, 2, 5, 0, 3], dtype=int64)

二维数组：（还有两个常用的函数sort和sorted）

（2）numpy中tile的用法

>>>numpy.tile([1,2,3,4],(4,2))
array([[1, 2, 3, 4, 1, 2, 3, 4],
       [1, 2, 3, 4, 1, 2, 3, 4],
       [1, 2, 3, 4, 1, 2, 3, 4],
       [1, 2, 3, 4, 1, 2, 3, 4]])

（3）pycharm 打开命令行：Tools>>Run Python Console

（4）numpy中sum的用法

>>> np.sum([[0, 1], [0, 5]], axis=0)    #axis=0是按列求和
array([0, 6])
>>> np.sum([[0, 1], [0, 5]], axis=1)    #axis=1 是按行求和
array([1, 5])

（5）numpy中mean()的用法

功能：求取均值
经常操作的参数为axis，以m * n矩阵举例：
axis 不设置值，对 m*n 个数求均值，返回一个实数
axis = 0：压缩行，对各列求均值，返回 1* n 矩阵
axis =1 ：压缩列，对各行求均值，返回 m *1 矩阵
举例：
>>>  import numpy as np
>>> num1 = np.array([[1,2,3],[2,3,4],[3,4,5],[4,5,6]])
>>> now2 = np.mat(num1)
>>> now2
matrix([[1, 2, 3],
        [2, 3, 4],
        [3, 4, 5],
        [4, 5, 6]])


>>> np.mean(now2) # 对所有元素求均值
3.5
>>> np.mean(now2,0) # 压缩行，对各列求均值
matrix([[ 2.5,  3.5,  4.5]])
>>> np.mean(now2,1) # 压缩列，对各行求均值
matrix([[ 2.],
        [ 3.],
        [ 4.],
        [ 5.]])

（5）shape函数用法

shape函数是numpy.core.fromnumeric中的函数，它的功能是读取矩阵的维度。
例：
shape(matrixA) 返回matrixA的（行数，列数）元组
shape(matrixA) [0]  ==》 行数
shape(matrixA) [1]  ==》 列数
shape的输入参数可以使一个实数，一个一维列表（数组），二维数组，也可以是一个矩阵。


实例：
>>> np.shape(1) #实数
()
>>> np.shape([1,2,3]) #一维数组（列表）
(3,)
>>> alist2 = [[1,2],[3,4],[5,6]]
>>> np.shape(alist2) #二维列表
(3, 2)
>>> arr2 = np.array(alist2)
>>> np.shape(arr2)#二维数组
(3, 2)


>>> ma2 = np.mat(alist2)
>>> ma2
matrix([[1, 2],
        [3, 4],
        [5, 6]])
>>> np.shape(ma2)#二维矩阵
(3, 2)


>>> ml = np.shape(ma2)[0]#获取一维参数（行数）
>>> ml
3
>>> ml2 = np.shape(ma2)[1]
>>> ml2
2
>>> em = np.eye(ml)#构造对角矩阵（实际上是二维数组）
>>> em
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])


>>> em.shape()
Traceback (most recent call last):
  File "<pyshell#45>", line 1, in <module>
    em.shape()
TypeError: 'tuple' object is not callable
>>> em.shape
(3, 3)
>>> em.shape[0] #获取一维参数
3