這篇文章主要介紹Python的numpy庫中的一些函數，做備份，以便查找。

（1）將矩陣轉換為列表的函數：numpy.matrix.tolist（）

返回list列表

Examples

>>>

>>> x = np.matrix(np.arange(12).reshape((3,4))); xmatrix([[ 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）將數組轉換為列表的函數：numpy.ndarray.tolist（）

Notes：（數組能夠被重新構造）

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()計算矩陣或數組的均值：

Examples

>>>

>>> a = np.array([[1, 2], [3, 4]]) #對所有元素求均值>>> np.mean(a)2.5>>> np.mean(a, axis=0) #對每一列求均值array([ 2., 3.])>>> np.mean(a, axis=1) #對每一行求均值array([ 1.5, 3.5])

（4）numpy.std()計算矩陣或數組的標準差：

Examples

>>>

>>> a = np.array([[1, 2], [3, 4]]) #對所有元素求標準差 >>> np.std(a)1.1180339887498949>>> np.std(a, axis=0) #對每一列求標準差array([ 1., 1.])>>> np.std(a, axis=1) #對每一行求標準差array([ 0.5, 0.5])

（5）numpy.newaxis為數組增加一個維度：

Examples:

>>> a=np.array([[1,2,3],[4,5,6],[7,8,9]]) #先輸入3行2列的數組a>>> b=a[:,:2] >>> b.shape #當數組的行與列都大于1時，不需增加維度(3, 2)>>> c=a[:,2] >>> c.shape #可以看到，當數組只有一列時，缺少列的維度(3,)>>> carray([3, 6, 9])

>>> d=a[:,2,np.newaxis] #np.newaxis實現增加列的維度>>> darray([[3],  [6],  [9]])>>> d.shape  #d的維度成了3行1列（3,1）(3, 1)>>> e=a[:,2,None] #None與np.newaxis實現相同的功能>>> earray([[3],  [6],  [9]])>>> e.shape(3, 1)

（6）numpy.random.shuffle(index): 打亂數據集（數組）的順序：

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）計算二維數組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) #構造一個5行3列的二維數組 >>> 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