以下就為大家分享一篇Python的numpy庫中將矩陣轉換為列表等函數的方法,具有很好的參考價值,希望對大家有所幫助。一起來看看吧
這篇文章主要介紹Python的numpy庫中的一些函數,做備份,以便找到。
(1)將矩陣轉換為列表的函數:numpy.matrix.tolist()
傳回list列表
Examples
>>>
#>>> x = np.matrix(np.arange(12).reshape((3,4))); x matrix([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) >>> x.tolist() [[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]]
##(2)將數組轉換為列表的函數:numpy.ndarray.tolist()
Notes:(陣列能夠被重新建構)The array may be recreated, a=np. array(a.tolist()).Examples
#>>>>>> a = np.array([1, 2]) >>> a.tolist() [1, 2] >>> a = np.array([[1, 2], [3, 4]]) >>> list(a) [array([1, 2]), array([3, 4])] >>> a.tolist() [[1, 2], [3, 4]]
#(3)numpy.mean()計算矩陣或陣列的平均值:
#Examples##> ;>>
>>> a = np.array([[1, 2], [3, 4]]) #对所有元素求均值 >>> np.mean(a) 2.5 >>> np.mean(a, axis=0) #对每一列求均值 array([ 2., 3.]) >>> np.mean(a, axis=1) #对每一行求均值 array([ 1.5, 3.5])
#(4)numpy.std()計算矩陣或陣列的標準差:
Examples>>>
>>> a = np.array([[1, 2], [3, 4]]) #对所有元素求标准差 >>> np.std(a) 1.1180339887498949 >>> np.std(a, axis=0) #对每一列求标准差 array([ 1., 1.]) >>> np.std(a, axis=1) #对每一行求标准差 array([ 0.5, 0.5])
(5)numpy.newaxis為陣列增加一個維度:
#Examples:
>>> a=np.array([[1,2,3],[4,5,6],[7,8,9]]) #先输入3行2列的数组a >>> b=a[:,:2] >>> b.shape #当数组的行与列都大于1时,不需增加维度 (3, 2) >>> c=a[:,2] >>> c.shape #可以看到,当数组只有一列时,缺少列的维度 (3,) >>> c array([3, 6, 9])
##>>> d=a[:,2,np.newaxis] #np.newaxis实现增加列的维度
>>> d
array([[3],
[6],
[9]])
>>> d.shape #d的维度成了3行1列(3,1)
(3, 1)
>>> e=a[:,2,None] #None与np.newaxis实现相同的功能
>>> e
array([[3],
[6],
[9]])
>>> e.shape
(3, 1)
#Examples:
>>> index = [i for i in range(10)] >>> index [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] >>> np.random.shuffle(index) >>> index [7, 9, 3, 0, 4, 1, 5, 2, 8, 6]
#(8)向陣列中新增欄位:np.hstack ()
######n = np.array(np.random.randn(4,2)) n Out[153]: array([[ 0.17234 , -0.01480043], [-0.33356669, -1.33565616], [-1.11680009, 0.64230761], [-0.51233174, -0.10359941]]) l = np.array([1,2,3,4]) l Out[155]: array([1, 2, 3, 4]) l.shape Out[156]: (4,)#########可以看到,n是二維的,l是一維的,如果直接呼叫np.hstack( )會出錯:維度不同。 #########
n = np.hstack((n,l)) ValueError: all the input arrays must have same number of dimensions###############解決方法是將l變成二維的,可以用(5)中的方法:##### ##########
n = np.hstack((n,l[:,np.newaxis])) ##注意:在使用np.hstack()时必须用()把变量括起来,因为它只接受一个变量 n Out[161]: array([[ 0.17234 , -0.01480043, 1. ], [-0.33356669, -1.33565616, 2. ], [-1.11680009, 0.64230761, 3. ], [-0.51233174, -0.10359941, 4. ]])#########下面講如何按列往一個空列表中新增值:#########
n = np.array([[1,2,3,4,5,6],[11,22,33,44,55,66],[111,222,333,444,555,666]]) ##产生一个三行六列容易区分的数组 n Out[166]: array([[ 1, 2, 3, 4, 5, 6], [ 11, 22, 33, 44, 55, 66], [111, 222, 333, 444, 555, 666]]) sample = [[]for i in range(3)] ##产生三行一列的空列表 Out[172]: [[], [], []] for i in range(0,6,2): ##每间隔一列便添加到sample中 sample = np.hstack((sample,n[:,i,np.newaxis])) sample Out[170]: array([[ 1., 3., 5.], [ 11., 33., 55.], [ 111., 333., 555.]])####### ##持續更新中…######相關推薦:############python之numpy函式庫############Python NumPy函式庫安裝使用筆記#########################
以上是Python的numpy庫中將矩陣轉換為列表等函數的方法_python的詳細內容。更多資訊請關注PHP中文網其他相關文章!