Python数据分析:numpy常用函数

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_43679030/article/details/86376646

numpy是python中一个与科学计算有关的库,本文将介绍一些常用的numpy函数,使用numpy之前需要先引入,输入import numpy as np,我们一般将numpy简化为np。

1.np.arange(n):生成0至n-1个整数。

2.a.reshape(m,n):将a重新定义为一个m行n列的矩阵。

3.a.shape:打印a的行和列。

4.a.ndim:求a的维度。

5.a.size:输出a中的元素个数。在这里插入图片描述
6.np.zeros((m,n)):生成m行n列的零矩阵,应当注意的是,函数中要传入一个元组。此时生成的矩阵0后面有一个小数点,因为系统默认数据类型为浮点型,要想获得整数类型,我们应预先指定好数据类型。

7.np.ones((k,m,n),dtype=np.int32):生成k个m行n列的单位矩阵,且矩阵中的数据类型为整数型。

8.np.arange(m,n,k):生成m到n的以k为步长切片的数据。

9.np.linspace(m,n,k):在m到n的数据中按等间距取k个值。在这里插入图片描述
10.若A、B为同维矩阵,则A*B返回的是A和B矩阵对应位置相乘得到的结果,A.dot(B)np.dot(A,B)返回的才是矩阵乘法所得的结果。

11.np.exp(A)np.sqrt(B):分别得到e的B次幂和矩阵B中每个数开方所得到的结果。在这里插入图片描述
12.np.floor():向下取整。

13.a.ravel():将矩阵a重新拉伸成一个向量,拉伸后可以重新reshape成一个新矩阵。

14.a.T:求a的转置矩阵。

15.a.reshape(n,-1)a.reshape(-1,n):确定一个矩阵的行(列)后,相应的列(行)也直接被确定,因此输入-1即可。在这里插入图片描述
16.np.hstack((a,b)):将矩阵a和b横向拼接。

17.np.vstack((a,b)):将矩阵a和b纵向拼接。

18.np.hsplit(a,n):将矩阵a横向切为n份。

19.np.hsplit(a,(m,n)):在a的索引为m和n的空隙横向切开。

20.np.vsplit(a,n):将矩阵a纵向切为n份。

21.np.hsplit(a,(m,n)):在a的索引为m和n的空隙纵向切开。在这里插入图片描述在这里插入图片描述
22.矩阵的复制:

  • b = a:此时得到的b与a的地址是完全相同的,也就是a,b只是同一个矩阵的不同名称,对其中任意一个矩阵操作都会引起另一个矩阵相同的变化。
  • b = a.view():此时得到的b与a的地址不同,但是对b的操作会改变a。
  • b = a.copy():此时得到的是两个完全独立的矩阵。在这里插入图片描述在这里插入图片描述

23.b = np.tile(a,(m,n)):将矩阵a的行数扩大m倍,列数扩大n倍。

24.np.sort(a,axis=k):将矩阵a在k维排序。

25.np.argsort(a):返回将a升序排列后的索引值(默认排列方式为升序)。在这里插入图片描述

猜你喜欢

转载自blog.csdn.net/qq_43679030/article/details/86376646