numpy基礎操作

猴急先導入包

import numpy as np

vct_row = np.array([1

,2,3
])# 行向量
vct_col = np.array([[
4],[
5],[
6]])
# 列向量

matrix = np.array([[

1,2,
3],[
4,5,
6],[
7,8,
9]])

mtx = np.mat([[

1,2,
3],[
4,5,
6],[
7,8,
9]])

from scipy import sparse

mtx = np.array([[
0,2,
3],[
4,0,
0],[
7,8,
0]])
# 壓縮矩陣
mtx_sparse = sparse.csr_matrix(mtx)

# 行列號

mtx.shape # 注意最後不帶括號
vct.shape
# 數量
mtx.size
# 維數
mtx.ndim

# 廣播(radcasting)

mtx +
100# 檢視書籍還有一種方法
add_100 =
lambda i:1+
100vct_add_100 = np.vectorize(add_100)
vct_add_100(mtx)

# 最大值

mtx.
max(axis =1)
# axis, 0 is col,1 is row.
np.max
(mtx, axis =0)
# 最小值
mtx.
min(
)np.
min(mtx)

# 均值

np.mean(mtx, axis =0)
mtx.mean(axis =1)
# 方差
np.var(mtx)
mtx.var(
)# 標準差
np.std(mtx)
mtx.var(
)

mtx.reshape(row, col)

# mtx.size = row*col
mtx.reshape(1,
-1)

mtx.t

vct.t

mtx.flatten(

)

np.linalg.matrix_rank(mtx)

mtx.diagonal(offset = 1)

mtx.trace()

feature, vector = np.linalg.eig(mtx)

np.add(matrix1, matrix2)

np.subtract(matrix1, matrix2)

np.dot(matrix1, matrix2)

matrix1 @ matrix2 # python3.5以上版本，現在應該基本都是了吧？。。
# 對應元素相乘為
matrix1 * matrix2

若逆矩陣存在，則

mtx @ np.linalg.inv(mtx)應該為單位矩陣，計算機中為無限接近1的值

實際使用中，部分可能記不住，可以用dir(mtx), dir(vct)檢視包含哪些

筆記 NumPy基礎操作

學機器學習做點小筆記，都是python的numpy庫的基本小操作，圖書館借的書看到的，怕自己還了書後忘了，就記下來。一般習慣匯入numpy時使用import numpy as np，不要直接import，會有命名空間衝突。比如numpy的array和python自帶的array。numpy下有兩個可...

numpy矩陣的基礎操作

import numpy delimiter分隔符，dtype資料格式 word alcho numpy.genfromtxt d qiujiahao4.txt delimiter dtype str print type word alcho print word alcho 0 1 2 3 4 ...

numpy介紹 基礎操作（6）

這次教程是對python的numpy這個包做乙個介紹 numpy是python用於分析資料，處理矩陣的乙個非常實用的包，下面我將會在jupyter notebook上，一步一步實現numpy這個包的各種用法，並配上說明。這一節我們要學習的是，生成矩陣。import numpy as np impor...