L'article suivant partagera avec vous une méthode pour convertir des matrices en listes et autres fonctions dans la bibliothèque numpy de Python. Elle a une bonne valeur de référence et j'espère qu'elle sera utile à tout le monde. Venez jeter un œil ensemble
Cet article présente principalement certaines fonctions de la bibliothèque numpy de Python et fait une sauvegarde pour une recherche facile.
(1) Fonction pour convertir une matrice en liste : numpy.matrix.tolist()
Retourner la liste
Exemples
>>>
>>> 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]]
(2) Fonction pour convertir un tableau en liste : numpy.ndarray.tolist()
Remarques : (le tableau peut être reconstruit)
Le tableau peut être recréé, a= np.array (a.tolist()).
Exemples
>>>
>>> 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() calcule la moyenne d'une matrice ou d'un tableau :
Exemples
>>>
>>> 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])
(4) standard numpy.std() pour calculer des matrices ou des tableaux Mauvais :
Exemples
>>>
>>> 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])
(5) numpy.newaxis ajoute une dimension au tableau :
Exemples :
>>> 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)
(6) numpy.random.shuffle(index) : mélanger l'ensemble de données Ordre de (tableau) :
Exemples :
>>> 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) Calculer la valeur maximale et minimale d'une ligne ou d'une colonne d'un tableau bidimensionnel :
>>> 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
(8) Ajoutez des colonnes au tableau : np.hstack()
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,)
Comme vous peut voir, n Il est bidimensionnel et l est unidimensionnel Si np.hstack() est appelé directement, une erreur se produira : les dimensions sont différentes.
n = np.hstack((n,l)) ValueError: all the input arrays must have same number of dimensions
La solution est de changer l en bidimensionnel, vous pouvez utiliser la méthode en (5) :
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. ]])
Voici comment ajouter des valeurs à une liste vide par colonne :
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.]])
Mise à jour continue...
Recommandations associées :
Notes d'installation et d'utilisation de la bibliothèque Python NumPy
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!