numpy的用法part1

基本的numpy用法

• shape函数：numpy.core.fromnumeric中的函数，它的功能是查看矩阵或者数组的维数。

>>> e = eye(3)  # 3*3的单位矩阵>>> e  array([[ 1.,  0.,  0.],         [ 0.,  1.,  0.],         [ 0.,  0.,  1.]])  >>> e.shape  (3, 3) # ---------------------------------->>> b =array([1,2,3,4])  >>> b.shape  (4,) >>> b.shape[0]4

• np.random.shuffle:调整数组或者列表的顺序，返回值为None

numpy.random.shuffle(x) : Modify a sequence in-place by shuffling its contents.Parameters: x :The array or list to be shuffled.Returns: None##例子----------------------------z= np.array(np.arange(10))%3print zprint np.random.shuffle(z)print z输出：[0 1 2 0 1 2 0 1 2 0]None[1 2 2 2 1 0 0 0 0 1]

• np.random.multivariate_normal:多维正态分布的采样函数

功能：从参数为mean（均值，决定样本的维度），cov（协方差矩阵，对称非负矩阵） 的正太分布中采样，获得样本参数：   mean：1-D array_like, of length N，1维的数组，长度代表样本的维度   cov：协方差矩阵，非负对称矩阵（N*N）   size:决定输出样本的形式，例如 m*n*N,表示输出为m*n的矩阵，每个元素是个样本（1*N 的向量）Returns:   out : ndarray#---------------------------------------------------------mean = (1, 2)cov = [[1, 0], [0, 1]]x = np.random.multivariate_normal(mean, cov, (3, 3))print x.shapeprint x#输出----------(3L, 3L, 2L)[[[-0.12592769  2.24209966]  [ 0.97144764  1.49548991]  [ 2.93351284  1.41213514]] [[ 2.40776703  2.81647166]  [ 1.31714065  1.46549801]  [ 2.71169081  1.87501286]] [[ 2.38085976  2.36607448]  [ 0.88649646  1.47525901]  [ 1.43455155  2.45520959]]]

• np.zeros():生成全零的数组，或者矩阵

print np.zeros(5,dtype=np.int)print np.zeros((2,1))#输出------[0 0 0 0 0][[ 0.] [ 0.]]

• numpy.argwhere：发现数组中满足某个条件的索引

x = np.arange(6).reshape(2,3)print xprint np.argwhere(x>2)# 输出[[0 1 2] [3 4 5]][[1 0]      #索引（1,0），（1,1），（1,2） [1 1] [1 2]]