numpy方法介绍

三、numpy系列

1、np.maximum：(X, Y, out=None)

　　X 与 Y 逐位比较取其大者；
　　最少接收两个参数

h=[[-2,2,10],[-5,-9,20]]

hh=np.maximum(h, 1)

hh=[[1,2,10],[1,1,20]]

2、np.max：(a, axis=None, out=None, keepdims=False)
        求序列的最值
        最少接收一个参数
        axis：默认为列向（也即 axis=0），axis = 1 时为行方向的最值；

3、np.array([[1,2,3],[4,5,6]])

　　创建np数组

　　a[:,0] 输出结果为[1, 4]

　　

4、np.linspace(-5,5,200)[:,np.newaxis];，

　　生成线性随机x数据,数据-5到5，总共200个

5、np.random.normal(0,0.5,x_data.shape);

　　生成0-0.5高斯分布的 x_data.shape类型的数据

6、矩阵变换、变形

　　a.reshape(-1) a.reshape(3, 4, -1) a.T # 转置 a.transpose() # 转置

　　numpy.linalg.inv(a) # 求逆

　　a.diagonal([offset, axis1, axis2]) #对角元

　　numpy.einsum('iijj->ij',a) numpy.r_[a,b] # 在a中增加新行b numpy.c_[a,b] # 新列

7、一般运算

　　y = x # 建立引用，修改x会影响y

　　y = x.copy() # 建立副本，修改x不会影响

　　y a.dot(b) # 矩阵乘法

　　numpy.dot(a,b) # 矩阵乘法 numpy.trace(a) #求迹

8、特殊矩阵

　　a = numpy.zeros([4,5]) # all zero

　　a = numpy.ones([7,6]) # all one

　　a = numpy.eye(4,7) # 4x7 diagonal 对角线

　　a = numpy.diag(range(5)) # 5x5 diagonal 对角线

　　a = numpy.empty((2,3))

　　a = numpy.arange(10, 30, 5) # array([10, 15, 20, 25]), 1-D

　　a = numpy.linspace(0, 2, 9) # 9 numbers from 0 to 2

　　a = numpy.random.random((2,3)) # 随机数矩阵

　　a = numpy.fromfunction(f,(5,4),dtype=int) # 从函数f(x,y)建立

9、numpy.tile(A,reps)

　　tile共有2个参数，A指待输入数组，reps则决定A重复的次数。整个函数用于重复数组A来构建新的数组。

　　假设reps的维度为d，那么新数组的维度为max（d，A.ndim）。下面分三种情况进行讨论：

　　（1）A.dim < d

　　则向A中添加新轴扩充A的维度。维度大小可以从shape中看出，一般通过向shape对应的元组中添加1完成对A维度的扩充。扩充完成后，则可根据reps的值对A中相应维度的值进行重复。例如，一维数组shape为（3，），扩充至2维则shape值为（1,3），扩充至3维则shape值为（1,1,3）

　　（2）A.dim > d

　　将reps扩充至与A相同的维度。扩充方法同上，也是向shape对应元组中添1，然后再进行重复。例如，4维数组A的shape为（2,3,4,5），而reps为（2,2）只有2维，那么就要对reps添维进行扩充，得到（1,1,2,2）

　　（3）A.dim = d

　　不需要扩充，直接按reps的值对相应维度的值进行重复。

>>>from numpy import *
>>> a = array([1,2,3])
>>>print a.shape
(3.)
>>>print a.ndim
1
>>>b = tile(a,2)
>>>print b
[1 2 3 1 2 3]
>>>print b.shape
(6,)
>>>print b.ndim
1
>>>c = tile(a,(2,3))
>>>print c
[[1 2 3 1 2 3 1 2 3]
 [1 2 3 1 2 3 1 2 3]]
>>>print c.shape
(2,9)
>>>print c.ndim
2