python numpy教程

• astype(dtype)
• 将一个数组中的元素强转为某一类型
• 例子:
• >>> x = np.array([1, 2, 2.5])
>>> x
array([ 1. , 2. , 2.5])
>>>
>>> x.astype(int)
array([1, 2, 2])
• mean(numpy,array,axis)
• 按照数组的某一轴线依次求在该轴上元素的平均值，若无axis参数，则求数组中所有元素的平均值
• 例子：
• >>> a = np.array([[1, 2], [3, 4]])
>>> np.mean(a)
2.5
>>> np.mean(a, axis=0)//即求1和3 2和4的平均值
array([ 2., 3.])
>>> np.mean(a, axis=1)//即求1和2 3和4的平均值
array([ 1.5, 3.5])
• numpy.random.randn
• 输出标准正态分布的矩阵，即元素都是在标准正态分布曲线上取得，参数为矩阵的行和列，若只有一个参数，则是一个一维数组
• 例子：

• `>>> np.random.randn(3)
  array([-0.78061302, 1.52089623, -1.26413051])

  np.random.randn(3,4)
  array([[ 0.49945579, 0.46917075, -0.8869804 , -0.07253449],
  [-0.90065616, 1.05328746, 0.23301388, -0.63220002],
  [ 0.40622906, 0.12330089, -0.37344168, 0.03304038]])`

• 若想产生足正太分布为N(3，2.5^2)，2行4列的array，则

• `>>> 2.5 * np.random.randn(2, 4) + 3

array([[-4.49401501, 4.00950034, -1.81814867, 7.29718677],

[ 0.39924804, 4.68456316, 4.99394529, 4.84057254]])`

• numpy.std()
• 求给定数组的标准差
• 例子：
• >>> a
array([[6, 7, 1, 6],
[1, 0, 2, 3],
[7, 8, 2, 1]])
>>> np.std(a,axis=0)
array([ 2.62466929, 3.55902608, 0.47140452, 2.05480467])
• numpy.linalg.svd
• numpy中的奇异值分解方法
• 例子：
• >>> U, s, V = np.linalg.svd(a, full_matrices=True)
>>> U.shape, V.shape, s.shape
((9, 9), (6, 6), (6,))