这篇文章主要介绍Python的numpy库中的一些函数，做备份，以便查找。

（1）将矩阵转换为列表的函数：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）将数组转换为列表的函数：numpy.ndarray.tolist（）

Notes：（数组能够被重新构造）

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()计算矩阵或数组的均值：

Examples

>>>

>>> 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）numpy.std()计算矩阵或数组的标准差：

Examples

>>>

>>> 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为数组增加一个维度：

Examples:

>>> 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,)>>> carray([3, 6, 9])>>> d=a[:,2,np.newaxis] #np.newaxis实现增加列的维度>>> darray([[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>>> earray([[3], [6], [9]])>>> e.shape(3, 1)

（6）numpy.random.shuffle(index): 打乱数据集（数组）的顺序：

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）计算二维数组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) #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）向数组中添加列：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,)

可以看到，n是二维的，l是一维的，如果直接调用np.hstack()会出错：维度不同。

n = np.hstack((n,l)) ValueError: all the input arrays must have same number of dimensions

解决方法是将l变为二维的，可以用（5）中的方法：

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. ]])

下面讲一下如何按列往一个空列表添加值：

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.]])

持续更新中……

以上这篇Python的numpy库中将矩阵转换为列表等函数的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。