[toc]

Numpy

矩阵创建

• 创建0向量/三维矩阵

  1 2 3

  import numpy as np np.zeros((10)) np.zeros((1,10,10))

• 创建1向量/三维矩阵

  1	np.ones((1,10,10))

矩阵拼接\转置

1
2
3

np.hstack((matrix1,matrix2)) #横向拼接
np.vstack((matrix1,matrix2)) #纵向拼接
matrix1.T #转置

求平均

1
2

np.mean(array,axis=1) #行平均
np.mean(array,axis=0) #列平均

只保留独一无二值

1

np.unique() #去除numpy数组里的相同值

给矩阵嵌入值

• 例如：给矩阵x在第三列插入一列0

  1	np.insert(x,3,0,axis=1)

矩阵排序例子

• 按照第一列对矩阵fe进行排序

  1	fe_sort = fe[np.argsort(fe[:,0])]

• 按照矩阵的第一列排序np.argsort(x[:,0])

  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

  x = np.array([[9,6,5,11],[7,5,4,6],[12,9,8,10]]) print(x) ''' [[ 9 6 5 11] [ 7 5 4 6] [12 9 8 10]] ''' print(x[np.argsort(x[:,0])]) #从小到大 ''' [[ 7 5 4 6] [ 9 6 5 11] [12 9 8 10]] ''' print(x[np.argsort(-x[:,0])]) #从大到小 ''' [[12 9 8 10] [ 9 6 5 11] [ 7 5 4 6]] '''

loadtxt && savetxt

• numpy.loadtxt

  1 2

  numpy.loadtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None, *, like=None) numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n', header='', footer='', comments='# ', encoding=None)

• 常用参数解释：

  1 2 3 4 5

  fname #文件名 dtype=<class 'float'> #读取数据类型 skiprows=0 #跳过几行读取 usecols=None #读取哪几列，例如：usecols = (1,4,5) max_rows=None #最大读取几行

展示输出

1
2

np.set_printoptions(threshold=100000000) #显示省略的数据
np.set_printoptions(suppress=True) #不易科学计数法输出

计算行列式

• 计算二维数组行列式 [[a, b], [c, d]] 也即是 ad - bc:

  1 2	a = np.array([[1,2],[3,4]]) b = np.linalg.det(a)

• 计算多个矩阵的行列式:

  1 2	a = np.array([ [[1, 2], [3, 4]], [[1, 2], [2, 1]], [[1, 3], [3, 1]] ]) b = np.linalg.det(a)

• https://numpy.org/doc/stable/reference/generated/numpy.linalg.det.html

• 相似的用法：
  slogdet
  scipy.linalg.det

-参考：https://numpy.org/doc/stable/reference/generated/numpy.linalg.det.html

np.linalg.norm(求范数)

1

x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False)

• https://blog.csdn.net/hqh131360239/article/details/79061535

计算协方差矩阵

1
2
3
4

# numpy.cov(m, y=None, rowvar=True, bias=False, ddof=None, fweights=None, aweights=None)
X=np.array([[1 ,5 ,6] ,[4 ,3 ,9 ],[ 4 ,2 ,9],[ 4 ,7 ,2]])
print(X)
print(np.cov(X,rowvar=False))

• rowvar=True,每行为一个变量,每一列是对这个变量的观察

• rowvar=False,与上相反

• y=None，另外一组变量和观察结果。y和m有相同的形式

• https://numpy.org/doc/stable/reference/generated/numpy.cov.html

• https://www.huaweicloud.com/articles/5cac03cc9d220d6b0561dbaa161bcbcf.html

• https://blog.csdn.net/qq_37667364/article/details/80458108

Numpy.append

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

import numpy as np
matrix = [
    [1,2,3,4],
    [5,6,7,8],
    [9,10,11,12]
]
m1 = np.append(matrix,[[1,1,1,1]],axis=0)
# 第0维度(行)尾部添加[[1,1,1,1]],注意两个[],相同维度
print('>>>>m1>>>>\n',m1)
m2 = np.append(matrix,[[1],[1],[1]],axis=1)
# 第1维度(列)尾部添加[[1],[1],[1]],注意两个[],相同维度
print('>>>>m2>>>>\n',m2)
m3 = np.append(matrix,[1,1,1,1])
# 拉平后再尾部添加[1,1,1,1]，这里可以[[1,1,1,1]]和[1,1,1,1]均可
print('>>>>m3>>>>\n',m3)

单位矩阵

1
2
3

np.identity(n) #生成n×n的单位矩阵
np.diag([1] * 4) # 生成单位对角阵
np.eye(3) # 生成单位矩阵

点乘与叉乘

1
2

#点乘直接a*b
numpy.dot(a,b) #叉乘

矩阵中字符串改为浮点数

1
2
3
4

x = np.array(['1.1', '1.2', '1.3'])
y = x.astype(np.float64)
# or
y = x.astype(float)

Math

对数函数

1
2

import math
math.log(x[, base])

• x – 数值表达式
• base – 可选，底数，默认为 e
• math.log(x) 就相当于数学中的ln(x)，x>0，求底数为e的对数，e = 2.718281828459；