python的numpy模块

numpy是Python的一个科学计算的库，提供了矩阵运算的功能，一般与scipy, matplotlib一起使用。

导入：

import numpy as np

以下所有numpy简写为np。

np.array()：

生成数组。和以list或tuple为参数可生成一维或多维数组。
生成一维数组：

>>>np.array([1, 2, 3, 4, 5])
array([1, 2, 3, 4, 5])

生成多维数组：

>>>np.array([[1, 2, 3], [4, 5, 6]])
array([[1, 2, 3],
    [4, 5, 6]])

np.arange():

生成等差数组，默认步长为1，支持浮点数。

>>>np.arange(0, 2, .5)
array([0., 0.5, 1., 1.5])

np.empty():

生成指定形状的矩阵而不进行初始化

>>> np.empty((2,2))
array([[6.93128581e-310, 6.93128581e-310],
       [1.06183561e-316, 1.06965529e-316]])

赋值

将矩阵的某一列的值赋给另一矩阵的某列：

b[:,0] = a[:,1]

即为将矩阵a的第一列赋给矩阵b的第0列。

矩阵与常数运算

示例如下：

>>>a = np.array([1,2,3,4,5])
>>>a+1
array([2, 3, 4, 5, 6])

减法，乘法，除法和乘方与此类似。

np.std()：

计算矩阵/向量包标准差，常用于数据的z-score标准化（标准化后数据服从标准正态分布）
z-score标准化：

normalized_data = (data-np.mean(data))/np.std(data)

np.ones_like()：

生成用1填充的，与传入数组形状相同的数组。

>>>a = np.array([1,2,3])
>>>np.ones_like(a)
array([1, 1, 1])

类似的函数还有np.zeros_like()

np.equal():

输入两个形状相同的数组（或两个数），逐个比较数组中元素是否相等，返回布尔值数组（或一个布尔值）。

>>>np.equal([1,2,3], [1,2,4])
array([True, True, False])

若输入为一个数和一个数组，则将数组中每个元素与这个数进行比较，返回布尔值数组。
函数np.not_equal()，np.greater_equal()，np.less_equal()，np.greater()，np.less()的用法与之类似。

np.concatenate():

实现矩阵的拼接，输入参数为两个矩阵组成的元组和需要拼接的维度axis。举例说明：

>>> a = np.array([[1,2],[3,4]])
>>> b = np.array([[5,6],[7,8]])
>>> np.concatenate((a,b), axis=0)
array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])
>>> np.concatenate((a,b), axis=1)
array([[1, 2, 5, 6],
       [3, 4, 7, 8]])

np.pad():

pad(array，pad_width，mode，**kwars)函数实现矩阵的扩充填补，其中pad_with传入需要填补的元素个数，mode选择模式，有“constant”, “edge”等，如果模式选择constant则需要传入填入的常数。例如：

>>> a = np.array([1,2,3])
>>> np.pad(a, (0,3), 'constant', constant_values=0)
array([1, 2, 3, 0, 0, 0])

>>> a = np.array([[1,2], [2,3]])
>>> np.pad(a, ((0,3),(1,1)), 'constant', constant_values=0)
array([[0, 1, 2, 0],
       [0, 2, 3, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 0]])

>>> a = np.array([[1,2], [2,3]])
>>> np.pad(a, ((0,3),(1,1)), 'constant', constant_values=((0,5),(4,4)))
array([[4, 1, 2, 4],
       [4, 2, 3, 4],
       [4, 5, 5, 4],
       [4, 5, 5, 4],
       [4, 5, 5, 4]])

np.max()

可以说是个比较神奇的函数了，在不指定axis的情况下返回整个array中最大的元素，在指定维度情况下返回一个该维度的array，其中每个元素都是该“位置”的最大值。例如：

>>> a = np.array([[1,2,3],[4,5,6]])
>>> np.max(a)
6

>>> np.max(a, 0)
array([4, 5, 6])

>>> np.max(a, 1)
array([3, 6])

np.argsort()
argsort(a, axis=-1, kind=’quicksort’, order=None)函数的基本输入是一个数组或矩阵a，输出是一个与a形状相同的数组或矩阵，其中的内容是将a按指定维度进行升序排序后每个元素的索引。例如：

>>> import numpy as np
>>> a = np.array([3,1,2])
>>> np.argsort(a)
array([1, 2, 0])

其中返回的array指明了排在相应位置的元素在原数组中的位置，例如排序后结果中最小的元素是a[1]，因此返回的数组中index为0的元素为1。
如果想要将a降序排列，直接加负号，注意只有用numpy定义的结构才有此操作。

>>> np.argsort(-a)
array([0, 2, 1])

argsort()函数中，参数axis指定排序的维度，kind指定排序方法，order用于解决两个对象用于排序的维度相等的情况。

>>> a = np.mat([[1,2,3], [2,3,4]])
>>> np.argsort(a)
matrix([[0, 1, 2],
        [0, 1, 2]])
>>> np.argsort(a, axis=0)
matrix([[0, 0, 0],
        [1, 1, 1]])