【机器学习】Numpy常用函数集锦

import numpy as np
# 矩阵、向量操作类
vector = np.array([1,2,3]) # 创建一个vector
matrix = np.array([[1, 2, 3],
                             [2, 3, 4]]) # 创建一个matrix
matrix  = np.mat([[1,2,3],
                            [2,3,4]]) # 创建一个matrix
vector[:] # 选择向量中的所有元素
vector[:3] # 选择一个向量中第0—>3个元素
matrix[:2,:] # 选择matrix中第0,1两行的所有元素 
matrix[:,1:2] # 选择第一列上的所有行元素
matrix.shape # 查看矩阵matrix的行数和列数
matrix.size # 查看矩阵matrix中的所有元素的数量
matrix.ndim # 查看矩阵的维度
np.arange(10) # 返回[0,...,9]的向量
# 特殊矩阵、向量创建
np.zeros((3,4)) #创建3x4的元素全为0的矩阵
np.ones((3,4)) #创建3x4的元素全为1的矩阵
np.empty((2,3)) #创建2x3的空矩阵，初始化为随机的垃圾数
np.zeros_like(matrix) #创建和matrix相同shape的全0矩阵
np.ones_like(matrix) #创建和matrix相同shape的全1矩阵
np.empty_like(matrix) #创建和matrix相同shape的空矩阵
np.eye(5) #创建一个5x5的矩阵，对角元素为1，其他为0
np.full((3,5),6) #创建元素全为6，shape=(3,5)的矩阵
# 矩阵统计类
np.max(matrix) # 返回matrix所有元素中的最大值
np.max(matrix, axis=0) # 返回matrix所有列元素中的最大值
np.max(matrix, axis=1) # 返回matrix所有行元素中的最大值，下面的统计类的类似含义
np.min(matrix) # 返回matrix所有元素中的最小值
np.mean(matrix) # 返回matrix所有元素的平均值
np.var(matrix) # 返回matrix所有元素的方差
np.std(matrix) # 返回matrix所有元素的标准差
以及abs绝对值、sin、cos、sqrt、exp；
cumsum累积求和、cumproduct累积求积；
sum、mean、median中位数、corrcoef相关系数。
# 矩阵形状操作类
matrix.reshape(a, b) # 变形操作由原有的n*m维->a*b维，前提是n*m=a*b
matrix.T # 对矩阵进行转置操作
np.transpose(matrix) # 与matrix.T具有一样的效果，对矩阵进行转置
matrix.flatten() # 对matrix按行进行平铺操作，返回一个向量vector
# 矩阵性质输出类
np.linalg.matrix_rank(matrix) # 求取矩阵的秩
np.linalg.det(matrix) # 求取矩阵的行列式的值
matrix.diagonal() # 返回matrix的对角线元素
matrix.diagonal(offset=+1/-1) # +1代表主对角线上面的次对角线，-1代表主对角线下面的次对角线
matrix.trace() # 返回matrix的迹
eigenvalues,eigenvectors = np.linalg.eig(matrix) # 求取matrix的特征值和特征向量
# 矩阵运算类
np.dot(matrix1,matrix2) # 两个矩阵相乘
mat1 @ mat2 # 也是两个矩阵matrix相乘
mat1 * mat2 # 两个矩阵的对应元素相乘
np.linalg.inv(matrix) # 返回矩阵的逆
# 随机数相关操作
np.random.seed(666) # 设置随机种子，括号内可以为任意整数
np.random.random(3) # 返回3个0.0到1.0之间的随机浮点数
np.random.randint(0,11,3) # 返回3个1到10之间的随机整数
np.random.normal(0.0,1.0,3) # 返回标准正态分布中的随机3个数
np.random.logistic(0.0,1.0,3) # 返回logistic分布中的3个数
np.random.uniform(1.0, 2.0,3) # 返回 [1,2) 区间中的3个数
np.random.randn() #返回标准正态分布随机数
np.random.shuffle() #随机打乱顺序
# 合并操作
np.append(a,b) # 但是比较占用内存
np.concatenate(a,b) # 直接的拼接操作