Methods to convert matrices into lists and other functions in Python's numpy library_python

>>> 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]]

>>> 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]]

>>> 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])

>>> 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])

>>> 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)

>>> 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]

>>> 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

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,)

n = np.hstack((n,l))

ValueError: all the input arrays must have same number of dimensions

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.  ]])

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.]])