Python的numpy库中将矩阵转换为列表等函数

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:

[python] view plain copy

1. >>> a=np.array([[1,2,3],[4,5,6],[7,8,9]]) #先输入3行2列的数组a  
2. >>> b=a[:,:2]     
3. >>> b.shape    #当数组的行与列都大于1时，不需增加维度  
4. (3, 2)  
5. >>> c=a[:,2]     
6. >>> c.shape    #可以看到，当数组只有一列时，缺少列的维度  
7. (3,)  
8. >>> c  
9. array([3, 6, 9])  

[python] view plain copy

1. >>> d=a[:,2,np.newaxis]    #np.newaxis实现增加列的维度  
2. >>> d  
3. array([[3],  
4.        [6],  
5.        [9]])  
6. >>> d.shape      #d的维度成了3行1列（3,1）  
7. (3, 1)  
8. >>> e=a[:,2,None]   #None与np.newaxis实现相同的功能  
9. >>> e  
10. array([[3],  
11.        [6],  
12.        [9]])  
13. >>> e.shape  
14. (3, 1)  

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

Examples:

[python] view plain copy

1. >>> index = [i for i in range(10)]  
2. >>> index  
3. [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]  
4. >>> np.random.shuffle(index)  
5. >>> index  
6. [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：

[python] view plain copy

1. >>> import numpy as np  
2. >>> a = np.arange(15).reshape(5,3)  #构造一个5行3列的二维数组  
3. >>> a  
4. array([[ 0,  1,  2],  
5.        [ 3,  4,  5],  
6.        [ 6,  7,  8],  
7.        [ 9, 10, 11],  
8.        [12, 13, 14]])  
9. >>> b = a[:,0].min()  ##取第0列的最小值，其他列同理  
10. >>> b  
11. 0  
12. >>> c = a[0,:].max() ##取第0行的最大值，其他行同理  
13. >>> c  
14. 2  

（8）向数组中添加列：np.hstack()

[python] view plain copy

1. n = np.array(np.random.randn(4,2))  
2.   
3. n  
4. Out[153]:   
5. array([[ 0.17234   , -0.01480043],  
6.        [-0.33356669, -1.33565616],  
7.        [-1.11680009,  0.64230761],  
8.        [-0.51233174, -0.10359941]])  
9.   
10. l = np.array([1,2,3,4])  
11.   
12. l  
13. Out[155]: array([1, 2, 3, 4])  
14.   
15. l.shape  
16. 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。

[python] view plain copy

1. n = np.hstack((n,l))  
2. 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：

[python] view plain copy

1. 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  
2.   
3. n  
4. Out[161]:   
5. array([[ 0.17234   , -0.01480043,  1.        ],  
6.        [-0.33356669, -1.33565616,  2.        ],  
7.        [-1.11680009,  0.64230761,  3.        ],  
8.        [-0.51233174, -0.10359941,  4.        ]])  

下面讲一下如何按列往一个空列表添加值：

[python] view plain copy

1. 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  
2.   
3. n  
4. Out[166]:   
5. array([[  1,   2,   3,   4,   5,   6],  
6.        [ 11,  22,  33,  44,  55,  66],  
7.        [111, 222, 333, 444, 555, 666]])  
8.   
9. sample = [[]for i in range(3)]  ##产生三行一列的空列表  
10. Out[172]: [[], [], []]    
11. for i in range(0,6,2):   ##每间隔一列便添加到sample中  
12.     sample = np.hstack((sample,n[:,i,np.newaxis]))      
13.       
14.   
15. sample  
16. Out[170]:   
17. array([[   1.,    3.,    5.],  
18.        [  11.,   33.,   55.],  
19.        [ 111.,  333.,  555.]])