Python笔记--numpy总结(2)

Python笔记--numpy总结(2)

    #12，strptime&&&&&
    import datetime,date
    ----------------------------------------------------------
    #13，tuple和数组转换成字符串
    tuple=(1,2,3)
    tuple[len(tuple)-1]
    tuple[-1]
    print(9.99.__repr__())
    print(str(9.99))
    #上面的示例中tuple是一个元组，访问元素的时候可以通过[index]的方式访问，
    #访问到最后一个元素时，可以通过[-1];
    #那么访问到倒数第二个元素时可一个通过[-2];
    #数字转换成字符串有两种方式：
    #__repr__()
    #str()
    ----------------------------------------------------------
    #14，transpose和.T
    aa=[[1],[2],[3]]
    aa=np.mat(aa) #将列表变成矩阵，存放在aa
    aa
    aa.transpose() #将矩阵进行转置，aa并没有改变
    print('*'*20)
    aa.T      #T转置，也没发生改变
    ----------------------------------------------------------
    #15,zeros()和ones()
    np.zeros((2,1))
    np.ones((2,3))
    #zeros返回指定行列的全零矩阵
    #ones返回指定行列的全一的矩阵
    ----------------------------------------------------------
    #16，列表 数组 linspace
    # 列表与数组的区别
        #列表：[1,2,3,4]
        #数组： [1 2 3 4]
    ll=[1,2,3,4]
    arr=np.array(ll)
    arr
    np.linspace(0,3,6)#返回0到3之间的6个数字且间隔均匀
    ----------------------------------------------------------
    #17，argsort排序索引
    ary=np.array(np.zeros(4))
    ary[0]=0.1
    ary[1]=0.4
    ary[2]=0.3
    ary[3]=0.7
    sortindex=np.argsort(ary)
    for id in sortindex:
        print('索引：',id)
    for id in sortindex:
         print('索引：', id,'值：',ary[id])
    for i in ary:
        print(i)
    sortindex=np.argsort(-ary)#有负号，降序排列,无负号，升序排列
    for id in sortindex:
        print('索引：',id)
    for id in sortindex:
         print('索引：', id,'值：',ary[id])
    ----------------------------------------------------------
    #18,[:,:]矩阵元素切片
    ll=[[1,2,3],[4,5,6],[7,8,9]]
    np.mat(ll)[2,0]#第一个冒号代表获取行的起止行号#第二个冒号代表获取列的起止行号
    np.mat(ll)[:,:]
    ----------------------------------------------------------
    #19，diag构建对角矩阵
    dd=[1,2,3]
    dilogg=np.diag(dd)
    dilogg
    ----------------------------------------------------------
    #20，linalg.inv和.I求逆矩阵
    dd=[1,2,3]
    dilogg=np.diag(dd)
    dilogg
    np.linalg.inv(dilogg)
    np.mat(dilogg).I
    ----------------------------------------------------------
    #21,dot矩阵点积
    ll=[[1,2,3],[4,5,6],[7,8,9]]
    ld=np.dot(ll,ll)
    ld
    np.mat(ll)*np.mat(ll)
    ----------------------------------------------------------
    #22,eye单元矩阵
    np.eye(3)
    np.eye(3,3)
    ----------------------------------------------------------
    #23,eig矩阵的特征值和特征向量
    A=np.mat([[1,0,0,0,2],[0,0,3,0,0],[0,0,0,0,0],[0,4,0,0,0]])
    U=A*A.T
    lamda,hu=np.linalg.eig(U)
    hu
    lamda
    ---------------------------------------------------------