numpy随笔

1.numpy中将矩阵变成一行：

a = np.arange(start=7,stop=1,step=-1).reshape((3,2))
print(a.flatten())

结果：

[[7 6]
 [5 4]
 [3 2]]
[7 6 5 4 3 2]

2.置换：

a = np.arange(start=7,stop=1,step=-1).reshape((3,2))
print(np.transpose(a))
print(a.T) #或者这样写

结果：

[[7 5 3]
 [6 4 2]]
[[7 5 3]
 [6 4 2]]

注意：transpose不能将序列置换

c = np.arange(4)
print(c.T)

结果还是： [0 1 2 3]

如果想要置换需要这样做：

方法一：

c[np.newaxis,:].T

这相当于给序列加了一个维度，这样输出的结果就是我们想要的：[[0][1][2][3]]

冒号在后面是再行上加了维度，冒号在前面则是在列上加了维度

方法二：

在序列后面用reshape()方法，重置它的维度也是一样的效果

3.矩阵乘法：

但是，等到矩阵乘以矩阵的时候，一切就不一样了。

这个结果是怎么算出来的？
教科书告诉你，计算规则是，第一个矩阵第一行的每个数字（2和1），各自乘以第二个矩阵第一列对应位置的数字（1和1），然后将乘积相加（ 2 x 1 + 1 x 1），得到结果矩阵左上角的那个值3。

可以使用numpy中的 dot() 方法：

np.dot(a,a.T)

4.axis:

axis = 1 :表示对列进行操作

axis = 0 :表示对行进行操作

5.矩阵的合并：

a = [[7 6 5] [4 3 2]]
b = [[1 2 3] [4 5 6]]

上下合并：

np.vstack((a,b)) = [[7 6 5] [4 3 2] [1 2 3] [4 5 6]]  #注意 这里方法内传入的是tuple，可以传入多个矩阵

左右合并：

np.hstack((a,b)) = [[7 6 5 1 2 3] [4 3 2 4 5 6]]

自定义维度合并：

np.concatenate((a,b,c...),axis = 0) #这里 axis = 0 是上下合并，1的话是左右也就是横向合并

6.矩阵的切割

用到numpy方法

 split(ary,indices_or_sections,axis=0)

第二个参数是指分成多少行或者列，上面的方法只能将矩阵等量分割，如果需要不等量分割，需要用下面的方法：

array_split()

这样就能将矩阵分割成不等量的块，传入的参数跟split()相同。

未完待续。。。。。