在老江湖面前，表现能力是一件可笑的事情，你只需要就事论事就行了。当你做成功一件事，千万不好等待着享受荣誉，就应再做那些需要的事。
numpy库是Python进行数据分析和矩阵运算的一个非常重要的库，可以说numpy让Python有了matlab的味道
本文主要介绍几个numpy库下的小函数。
1、mat函数
mat函数可以将目标数据的类型转换为矩阵（matrix）
import numpy as np >>a=[[1,2,3,], [3,2,1]] >>type(a) >>list >>myMat=np.mat(a) >>myMat >>matrix([[1,2,3],[3,2,1]]) >>type(myMat) >>numpy.matrixlib.defmatrix.martix
因此可以使用mat函数将一个列表a转换成相应的矩阵类型。
2、zeros
zeros函数是生成指定维数的全0数组
>>myMat=np.zeros(3) ###生成一个一维的全0数组
>>print(myMat)
>>array([0.,0.,0.])
>>myMat1=np.zeros((3,2)) ####生成一个3*2的全0数组
>>print(myMat)
>>array([[0.,0.],
[0.,0.]
[0.,0.]])
3、ones
ones函数是用于生成一个全1的数组
>>onesMat=np.ones(3) ###1*3的全1数组 >>print(onesMat) >>array([1.,1.,1.]) >>onesMat1=np.ones((2,3)) ###2*3的全1数组 >>print(onesMat1) >>array([[1.,1.,1.],[1.,1.,1.]])
4.eye
eye函数用户生成指定行数的单位矩阵
>>eyeMat=np.eye(4)
>>print(eyeMat)
>>array([[1.,0.,0.,0.],
[0.,1.,0.,0.],
[0.,0.,1.,0.,],
[0.,0.,0.,1.]])
5、.T
.T作用于矩阵，用作球矩阵的转置
>>myMat=np.mat([[1,2,3],[4,5,6]])
>>print(myMat)
>>matrix([[1.,2.,3.]
[4.,5.,6.]])
>>print(myMat.T)
>>matrix([[1,4]，
[2,5],
[3,6]])
6、tolist
tolist函数用于把一个矩阵转化成为list列表
>>x=np.mat([[1,2,3],[4,5,6]]) >>print(x) >>matrix([[1,2,3],[4,,5,6]]) >>type(x) >>matrix >>x.tolist() >>[[1,2,3],[4,5,6]]
7.getA()
getA()函数是numpy.matrix下的一个函数，用作把矩阵转换成数组，等价于np.asarray(self).
>>> x = np.matrix(np.arange(12).reshape((3,4))); x
matrix([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> x.getA()
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
8. .I
.I用作求矩阵的逆矩阵。逆矩阵在计算中是经常需要用到的。例如一个矩阵A，求A的逆矩阵B，即存在矩阵B是的AB=I（I为单位）
In [3]: a=mat([[1,2,3],[4,5,6]])
In [4]: a
Out[4]:
matrix([[1, 2, 3],
[4, 5, 6]])
In [5]: a.I
Out[5]:
matrix([[-0.94444444, 0.44444444],
[-0.11111111, 0.11111111],
[ 0.72222222, -0.22222222]])
In [6]: s=a.I
In [8]: a*s
Out[8]:
matrix([[ 1.00000000e+00, 3.33066907e-16],
[ 0.00000000e+00, 1.00000000e+00]])
到此这篇关于Python的numpy库下的几个小函数的用法(小结)就介绍到这了。都说大雁往南飞，可我看见的鸟都是兜着圈子飞的。更多相关Python的numpy库下的几个小函数的用法(小结)内容请查看相关栏目，小编编辑不易，再次感谢大家的支持！
