numpy的一些用法

numpy是python中矩阵运算的模块。

1.numpy.genfromtxt()可以打开一个文件，并存储为ndarray的类型，delimiter参数指明分隔符，dtype参数指明该以什么类型存储。help()函数可以查python的函数具体信息。

​​​

2.numpy.array()可以生成一个矩阵. shape属性是矩阵的行和列数

​​​

​3.ndarray类型中，所有元素类型应该一样

​​​​​

4.矩阵索引的运用以及将布尔向量作为索引

 5.numpy的布尔向量的逻辑运算。

6.函数astype()可以转换矩阵中的元素类型；sum函数对矩阵元素求和，当axis = 0时对列求和，当axis = 1时对行求和。

7.矩阵的加减乘除。

　　a+b的结果是a和b的对应元素相加，a+1是a的每个元素加1。

　　a**2是a的每个元素取平方，np.sin(a)是对a每个元素取正弦函数。

　　a*b是a，b中对应元素相乘，a.dot(b)（或者np.dot(a,b)）是矩阵相乘。

8.矩阵的初始化。

　　arange(x):生成一个向量，元素为从0到x-1

　　arange(start, end, step), 生成一个向量，第一个元素是start，每个元素是前一个元素加上step，最后一个元素是小于end的最大值（不能等于end）

　　reshap((x,y))，生成形如x*y的矩阵。

　　linspace(start, end, n), 生成一个向量，要求向量中有n个元素，第一个元素为start，最后一个元素为end。

　　zeros((x,y)) 生成一个形如x*y的0矩阵。

　　ones((x, y))生成一个形如x*y的元素为1的矩阵。

　　np.random.random((x, y))生成一个x*y的矩阵，每个元素都是0到1之间的随机数。

（左图为代码，右图为运行结果）

9.取整函数，矩阵与向量的变换。

　　np.around(a)，四舍五入取整

　　np.floor(a), 向下取整

　　np.ceil(a), 向上取整

　　b = a.reshape((x, y)), 将向量a变成x*y的矩阵

　　a = b.ravel(), 将矩阵b拉成向量。

　　c = b.T， 矩阵c是矩阵b的转置。

（左图为代码，右图为运行结果）

10.矩阵的拼接

　　np.hstack((a, b)):  水平拼接

　　np.vstack((a, b)): 竖直拼接

　　np.hsplit(a, (x1， x2,  x3......))： 对矩阵a进行水平分割，(x1， x2,  x3......)是切口，xi表示将x(i-1)于xi列之间分割开

　　np.vsplit(a, (x1， x2,  x3......))： 对矩阵a进行垂直分割，(x1， x2,  x3......)是切口，xi表示将x(i-1)于xi行之间分割开

（左图为代码，右图为运行结果）

11.矩阵排序

　　b = np.sort(a, axis = 0):对矩阵a的每一列进行从小到大排序，然后组合成新矩阵b

　　b = np.sort(a, axis = 1):对矩阵a的每一行进行从小到大排序，然后组合成新矩阵b

　　index = np.argsort(a): 按照元素从小到大的顺序依次返回a中对应元素的索引。

import numpy as np

a = np.around(10*np.random.random((3, 3)))
print(a)
b = np.sort(a, axis=0)
print(b)
c = np.sort(a, axis=1)
print(c)

　　运行结果如下

12. argmax函数

　 b = np.argmax(a, axis = 0)返回的是一个列表，b[i]是矩阵a的第i列向量的最大元素所在的行的索引

　　b = np.argmax(a, axis = 0)返回的是一个列表，b[i]是矩阵a的第i行向量的最大元素所在的列的索引

import numpy as np

a = np.around(10*np.random.random((3, 3)))
print(a)
b = np.argmax(a, axis=0)
print(b)
print(a[b, range(a.shape[1])])
c = np.argmax(a, axis=1)
print(c)
print(a[range(a.shape[0]), c])

　　运行结果如下

13. tile函数

　　np.tile(a, (x, y))将矩阵或向量a在水平方向扩展x倍，在竖直方向扩展y倍，最后是一个二维矩阵。

import numpy as np

a = np.array([1,2,3])
b = np.tile(a, (2, 3))
c = np.array([[1,2],
              [3,4]])
d = np.tile(c, (2,3))
print(b)
print(d)

运行结果如下

 13.random.norml()和random.multvariate_normal

看下面的代码

import seaborn as sns
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt


x = np.random.normal(loc=5, scale=0.4, size=(5, 5) )
print(x)
y = np.random.multivariate_normal(mean=[1, 1], cov=[[1, 0.5], [0.5, 1]], size=(2, 2))
print(y)

　　第七行，np.random.normal(loc, scale, size)返回一个矩阵(也可以大于二维，说张量更好)，该矩阵的形状由size给定，该矩阵的所有元素是正态分布的样本，该正太分布的期望是参数loc， 方差是参数scale。

　　第九行，np.random.multivariate_normal(mean, cov, size)返回一个矩阵(也可以大于二维，说张量更好)，该矩阵的形状由size给定，该矩阵的所有元素是多维正态分布的样本，该正太分布的均值向量是参数loc， 协方差矩阵是参数scale。

　　运行结果如下