python numpy教程

astype(dtype)

将一个数组中的元素强转为某一类型

例子:

>>> x = np.array([1, 2, 2.5]) 

>>> x 

array([ 1. ,  2. ,  2.5]) 

>>> 

>>> x.astype(int) 

array([1, 2, 2])

mean(numpy,array,axis)

按照数组的某一轴线依次求在该轴上元素的平均值，若无axis参数，则求数组中所有元素的平均值

例子：

>>> a = np.array([[1, 2], [3, 4]]) 

>>> np.mean(a) 

2.5 

>>> np.mean(a, axis=0)//即求1和3  2和4的平均值 

array([ 2.,  3.]) 

>>> np.mean(a, axis=1)//即求1和2   3和4的平均值 

array([ 1.5,  3.5])

numpy.random.randn

输出标准正态分布的矩阵，即元素都是在标准正态分布曲线上取得，参数为矩阵的行和列，若只有一个参数，则是一个一维数组

例子：

`>>> np.random.randn(3)

array([-0.78061302, 1.52089623, -1.26413051])



np.random.randn(3,4)

array([[ 0.49945579, 0.46917075, -0.8869804 , -0.07253449],

[-0.90065616, 1.05328746, 0.23301388, -0.63220002],

[ 0.40622906, 0.12330089, -0.37344168, 0.03304038]])`




若想产生足正太分布为N(3，2.5^2)，2行4列的array，则

`>>> 2.5 * np.random.randn(2, 4) + 3

array([[-4.49401501, 4.00950034, -1.81814867, 7.29718677],

[ 0.39924804, 4.68456316, 4.99394529, 4.84057254]])`

numpy.std()

求给定数组的标准差

例子：

>>> a 

array([[6, 7, 1, 6], 

   [1, 0, 2, 3], 

   [7, 8, 2, 1]]) 

   >>> np.std(a,axis=0) 

array([ 2.62466929,  3.55902608,  0.47140452,  2.05480467])

numpy.linalg.svd

numpy中的奇异值分解方法

例子：

>>> U, s, V = np.linalg.svd(a, full_matrices=True) 

>>> U.shape, V.shape, s.shape 

((9, 9), (6, 6), (6,))