總認為Numpy是渣渣，直到深入接觸以后才知道功能這么強大。堪比Matlab啊。果然是人生苦短，我用Python。所以本文作為一個記錄&筆記，文章內容大多數取自網絡以&官網快速入門等，希望可以幫助大家快速入門Numpy。如果你有Matlab基礎，那么你能很快看懂本文！！！（本文長期更新！！！）

一個栗子

Python精講Numpy基礎，大牛筆記詳細解釋

創建矩陣

對于Python中的numpy模塊，一般用其提供的ndarray對象。 創建一個ndarray對象很簡單，只要將一個list作為參數即可。 例如:

Python精講Numpy基礎，大牛筆記詳細解釋

矩陣行數列數

Python精講Numpy基礎，大牛筆記詳細解釋

矩陣按行列選取

矩陣的截取和list相同，可以通過[]（方括號）來截取

矩陣按條件截取

按條件截取應用較多的是對矩陣中滿足一定條件的元素變成特定的值。 例如將矩陣中大于6的元素變成0

Stacking together different arrays

矩陣的合并可以通過numpy中的hstack方法和vstack方法實現:

• 矩陣的合并也可以通過concatenatef方法。

np.concatenate( (a1,a2), axis=0 ) 等價于 np.vstack( (a1,a2) )

np.concatenate( (a1,a2), axis=1 ) 等價于 np.hstack( (a1,a2) )

通過函數創建矩陣

arange

linspace/ logspace

ones、zeros、eye、empty

ones創建全1矩陣 ，zeros創建全0矩陣 ，eye創建單位矩陣 ，empty創建空矩陣（實際有值）

fromstring

fromstring()方法可以將字符串轉化成ndarray對象，需要將字符串數字化時這個方法比較有用，可以獲得字符串的ascii碼序列。

random

fromfunction

fromfunction()方法可以根據矩陣的行號列號生成矩陣的元素。 例如創建一個矩陣，矩陣中的每個元素都為行號和列號的和。

矩陣的運算

常用矩陣運算符

Numpy中的ndarray對象重載了許多運算符，使用這些運算符可以完成矩陣間對應元素的運算。

運算符說明+矩陣對應元素相加-矩陣對應元素相減矩陣對應元素相乘/矩陣對應元素相除，如果都是整數則取商%矩陣對應元素相除后取余數矩陣每個元素都取n次方，如*2：每個元素都取平方

常用矩陣函數

同樣地，numpy中也定義了許多函數，使用這些函數可以將函數作用于矩陣中的每個元素。 表格中默認導入了numpy模塊，即 import numpy as np 。a為ndarray對象。

常用矩陣函數說明np.sin(a)對矩陣a中每個元素取正弦,sin(x)np.cos(a)對矩陣a中每個元素取余弦,cos(x)np.tan(a)對矩陣a中每個元素取正切,tan(x)np.arcsin(a)對矩陣a中每個元素取反正弦,arcsin(x)np.arccos(a)對矩陣a中每個元素取反余弦,arccos(x)np.arctan(a)對矩陣a中每個元素取反正切,arctan(x)np.exp(a)對矩陣a中每個元素取指數函數,exnp.sqrt(a)對矩陣a中每個元素開根號

• 當矩陣中的元素不在函數定義域范圍內，會產生RuntimeWarning，結果為nan(not a number)

矩陣乘法（點乘）

矩陣乘法必須滿足矩陣乘法的條件，即第一個矩陣的列數等于第二個矩陣的行數。 矩陣乘法的函數為 dot 。

矩陣的轉置 a.T

矩陣的轉置還有更簡單的方法，就是a.T。

矩陣的逆

設A是數域上的一個n階方陣，若在相同數域上存在另一個n階矩陣B，使得： AB=BA=E。 則我們稱B是A的逆矩陣，而A則被稱為可逆矩陣。

求矩陣的逆需要先導入numpy.linalg，用linalg的inv函數來求逆。矩陣求逆的條件是矩陣應該是方陣。

矩陣信息獲取（如均值等）

最值

獲得矩陣中元素最大最小值的函數分別是max和min，可以獲得整個矩陣、行或列的最大最小值。

平均值

獲得矩陣中元素的平均值可以通過函數mean()。同樣地，可以獲得整個矩陣、行或列的平均值。

Python精講Numpy基礎，大牛筆記詳細解釋

方差

方差的函數為var(),方差函數var()相當于函數mean(abs(x - x.mean())**2),其中x為矩陣。

標準差

標準差的函數為std()。 std()相當于sqrt(mean(abs(x - x.mean())**2))，或相當于sqrt(x.var())。

中值

中值指的是將序列按大小順序排列后，排在中間的那個值，如果有偶數個數，則是排在中間兩個數的平均值。中值的函數是median()，調用方法為numpy.median(x,[axis])，axis可指定軸方向，默認axis=None，對所有數取中值。

求和

矩陣求和的函數是sum()，可以對行，列，或整個矩陣求和

累積和

某位置累積和指的是該位置之前(包括該位置)所有元素的和。例如序列[1,2,3,4,5]，其累計和為[1,3,6,10,15]，即第一個元素為1，第二個元素為1+2=3，……，第五個元素為1+2+3+4+5=15。矩陣求累積和的函數是cumsum()，可以對行，列，或整個矩陣求累積和。

極差

百分位數

序號參數及描述1.a 輸入數組2.q 要計算的百分位數，在 0 ~ 100 之間3.axis 沿著它計算百分位數的軸

加權平均值

Shape Manipulation

Changing the shape of an array

數組的形狀可以用以下方式改變。Note that the following three commands all return a modified array, but do not change the original array:

The reshape function returns its argument with a modified shape, whereas the ndarray.resize method modifies the array itself:

If a dimension is given as -1 in a reshaping operation, the other dimensions are automatically calculated:

Splitting one array into several smaller ones

Using hsplit, you can split an array along its horizontal axis, either by specifying the number of equally shaped arrays to return, or by specifying the columns after which the division should occur:

Copies and Views

When operating and manipulating arrays, their data is sometimes copied into a new array and sometimes not. This is often a source of confusion for beginners. There are three cases:

No Copy At All

a = b,改變b就相當于改變a,或者相反。

Python精講Numpy基礎，大牛筆記詳細解釋

View or Shallow Copy

Different array objects can share the same data. The view method creates a new array object that looks at the same data.

Python精講Numpy基礎，大牛筆記詳細解釋

Slicing an array returns a view of it:

Deep Copy

The copy method makes a complete copy of the array and its data.

曼德勃羅

總結

以上是生活随笔為你收集整理的matlab imcrop 对应python函数_Python精讲Numpy基础，大牛笔记详细解释的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。