Python中如何使用numpy矩陣處理運算工具

小編這次要給大家分享的是Python中如何使用numpy矩陣處理運算工具，文章內容豐富，感興趣的小伙伴可以來了解一下，希望大家閱讀完這篇文章之后能夠有所收獲。

numpy是用于處理矩陣運算非常好的工具。執行效率高，因為其底層是用的是C語句

使用numpy,需要將數據轉換成numpy能識別的矩陣格式。

基本用法:

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

名稱描述

• object數組或嵌套的數列
• dtype數組元素的數據類型，可選，例如：int64,int16,int32,float64等，位數越高，精度越高，但也更耗內存。
• copy對象是否需要復制，可選
• order創建數組的樣式，C為行方向，F為列方向，A為任意方向（默認）
• subok默認返回一個與基類類型一致的數組
• ndmin指定生成數組的最小維度。幾維數組，默認0維數組

創建numpy矩陣的其他形式

• np.zeros((3,4)):創建3行4列值都為0矩陣
• np.ones((3,4)):創建3行4列值都為1矩陣
• np.random.random((3,4)):創建3行4列值為0~1隨機數
• np.arange(1,20,5).shape(3,4):創建3行4列維數組，數值從1到20，步長為5
• np.arange(5) : 創建1維數組，數值從0至4
• np.empty（（3，4））：創建3行4列值為空的矩陣
• np.linspace(1,10,10)：創建1維數組，開始點為 1 ，終止點為 10，數列個數為 10。即元素共10個.[1,2,3,4,5,6,7,8,9.10]

np.sin(a),即計算該矩陣值的sin結果

np.cos(a)

np.tan(a)

arcsin，arccos，和 arctan 函數返回給定角度的 sin，cos 和 tan 的反三角函數。

矩陣a,矩陣b

a+b，代表逐一加法
a/b，代表逐一除法
a-b，代表逐一減法
a*b，代表逐一乘積

• np.dot(a,b),a.dot(b）則代表矩陣乘法
• np.argmin(a),最小值的索引
• np.argmax（a）,最大值的索引
• mean[a]平均值
• A.mean平均值，只是表達形式不一樣，與老版的average是一樣的功能
• median(A),中位數，與平均值一樣的數
• cumsum(A),第兩位數的累加，變成一個一維數組
• diff(A),每兩個數進行減法，按行，原行-1
• notzero（A），返回兩個arrage，表示不為0的索引值
• sort(A),按行從小到大排序
• transpose(A),矩陣的反向、向轉等同于A.T，
• clip(A,3,9),所有小于3的值，變成3，所有大于9的值，變成9
   

索引

• A[1]第一行
• A[1][1]第1行第1列
• A[1,1]第1行第1列，與上面一樣只是表達形式不一樣
• A[2,:]第2行所有的數據
• A[:,2]第2列所有的數據
• A[1,1:2]第1行，從第1列到第2列的數據
   

遍歷

for row in A:
print row

默認迭代行數顯示行。

np沒有提供按列迭代，需要用些手段，例如將矩陣進行反轉遍歷即可實現

for column in A.T:
print colum

如果要迭代其項目，則A需要轉換成一行序列

for item in A.flag:
print item

另注意A.flatten()返回的也是一個序列，與flag類似。功能一樣

看完這篇關于Python中如何使用numpy矩陣處理運算工具的文章，如果覺得文章內容寫得不錯的話，可以把它分享出去給更多人看到。