Python的numpy库中将矩阵转换为列表等函数

这篇文章主要介绍Python的numpy库中的一些函数，做备份，以便查找。

（1）将矩阵转换为列表的函数：numpy.matrix.tolist（）

返回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）将数组转换为列表的函数：numpy.ndarray.tolist（）

Notes：（数组能够被重新构造）

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()计算矩阵或数组的均值：

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()计算矩阵或数组的标准差：

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为数组增加一个维度：

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)

（6）numpy.random.shuffle(index): 打乱数据集（数组）的顺序：

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]

（7）计算二维数组某一行或某一列的最大值最小值：

>>> import numpy as np
>>> a = np.arange(15).reshape(5,3)  #构造一个5行3列的二维数组
>>> a
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11],
       [12, 13, 14]])
>>> b = a[:,0].min()  ##取第0列的最小值，其他列同理
>>> b
0
>>> c = a[0,:].max() ##取第0行的最大值，其他行同理
>>> c
2

（8）向数组中添加列：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是二维的，l是一维的，如果直接调用np.hstack()会出错：维度不同。

n = np.hstack((n,l))
ValueError: all the input arrays must have same number of dimensions

解决方法是将l变为二维的，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.        ]])

下面讲一下如何按列往一个空列表添加值：

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.]])

持续更新中……

参考：https://docs.scipy.org/doc/numpy/reference/