numpy matrix矩陣操作
阿新 • • 發佈：2019-02-12
numpy模組中的矩陣物件為numpy.matrix，包括矩陣資料的處理，矩陣的計算，以及基本的統計功能，轉置，可逆性等等，包括對複數的處理，均在matrix物件中。 class numpy.matrix(data,dtype,copy):返回一個矩陣，其中data為ndarray物件或者字元形式；dtype:為data的type；copy:為bool型別。
>>> a = np.matrix('1 2 7; 3 4 8; 5 6 9')
>>> a #矩陣的換行必須是用分號(;)隔開，內部資料必須為字串形式(‘ ’)，矩
matrix([[1, 2, 7], #陣的元素之間必須以空格隔開。
[3, 4, 8],
[5, 6, 9]])
>>> b=np.array([[1,5],[3,2]])
>>> x=np.matrix(b) #矩陣中的data可以為陣列物件。
>>> x
matrix([[1, 5],
[3, 2]])矩陣物件的屬性：
matrix.T transpose：返回矩陣的轉置矩陣
matrix.H hermitian (conjugate) transpose：返回複數矩陣的共軛元素矩陣
matrix.I inverse：返回矩陣的逆矩陣
matrix.A base array：返回矩陣基於的陣列
矩陣物件的方法：
all([axis, out]) :沿給定的軸判斷矩陣所有元素是否為真(非0即為真)
any([axis, out]) :沿給定軸的方向判斷矩陣元素是否為真，只要一個元素為真則為真。
argmax([axis, out]) :沿給定軸的方向返回最大元素的索引（最大元素的位置）.
argmin([axis, out]): 沿給定軸的方向返回最小元素的索引（最小元素的位置）
argsort([axis, kind, order]) :返回排序後的索引矩陣
astype(dtype[, order, casting, subok, copy]):將該矩陣資料複製，且資料型別為指定的資料型別
byteswap(inplace) Swap the bytes of the array elements
choose(choices[, out, mode]) :根據給定的索引得到一個新的資料矩陣（索引從choices給定）
clip(a_min, a_max[, out]) :返回新的矩陣，比給定元素大的元素為a_max，小的為a_min
compress(condition[, axis, out]) :返回滿足條件的矩陣
conj() :返回複數的共軛複數
conjugate() :返回所有複數的共軛複數元素
copy([order]) :複製一個矩陣並賦給另外一個物件，b=a.copy()
cumprod([axis, dtype, out]) :返回沿指定軸的元素累積矩陣
cumsum([axis, dtype, out]) :返回沿指定軸的元素累積和矩陣
diagonal([offset, axis1, axis2]) :返回矩陣中對角線的資料
dot(b[, out]) :兩個矩陣的點乘
dump(file) :將矩陣儲存為指定檔案,可以通過pickle.loads()或者numpy.loads()如:a.dump(‘d:\\a.txt’)
dumps() :將矩陣的資料轉存為字串.
fill(value) :將矩陣中的所有元素填充為指定的value
flatten([order]) :將矩陣轉化為一個一維的形式，但是還是matrix物件
getA() :返回自己，但是作為ndarray返回
getA1()：返回一個扁平（一維）的陣列（ndarray）
getH() :返回自身的共軛複數轉置矩陣
getI() :返回本身的逆矩陣
getT() :返回本身的轉置矩陣
max([axis, out]) ：返回指定軸的最大值
mean([axis, dtype, out]) :沿給定軸方向，返回其均值
min([axis, out]) ：返回指定軸的最小值
nonzero() :返回非零元素的索引矩陣
prod([axis, dtype, out]) :返回指定軸方型上，矩陣元素的乘積.
ptp([axis, out]) :返回指定軸方向的最大值減去最小值.
put(indices, values[, mode]) :用給定的value替換矩陣本身給定索引（indices）位置的值
ravel([order]) :返回一個數組，該陣列是一維陣列或平陣列
repeat(repeats[, axis]) :重複矩陣中的元素，可以沿指定軸方向重複矩陣元素，repeats為重複次數
reshape(shape[, order]) :改變矩陣的大小,如：reshape([2,3])
resize(new_shape[, refcheck]) :改變該資料的尺寸大小
round([decimals, out]) :返回指定精度後的矩陣，指定的位數採用四捨五入，若為1，則保留一位小數
searchsorted(v[, side, sorter]) :搜尋V在矩陣中的索引位置
sort([axis, kind, order]) :對矩陣進行排序或者按軸的方向進行排序
squeeze([axis]) :移除長度為1的軸
std([axis, dtype, out, ddof]) :沿指定軸的方向，返回元素的標準差.
sum([axis, dtype, out]) ：沿指定軸的方向，返回其元素的總和
swapaxes(axis1, axis2):交換兩個軸方向上的資料.
take(indices[, axis, out, mode]) :提取指定索引位置的資料,並以一維陣列或者矩陣返回(主要取決axis)
tofile(fid[, sep, format]) :將矩陣中的資料以二進位制寫入到檔案
tolist() :將矩陣轉化為列表形式
tostring([order]):將矩陣轉化為python的字串.
trace([offset, axis1, axis2, dtype, out]):返回對角線元素之和
transpose(*axes) :返回矩陣的轉置矩陣，不改變原有矩陣
var([axis, dtype, out, ddof]) ：沿指定軸方向，返回矩陣元素的方差
view([dtype, type]) :生成一個相同資料，但是型別為指定新型別的矩陣。
ü All方法
>>> a = np.asmatrix('0 2 7; 3 4 8; 5 0 9')
>>> a.all()
False
>>> a.all(axis=0)
matrix([[False, False, True]], dtype=bool)
>>> a.all(axis=1)
matrix([[False],
[ True],
[False]], dtype=bool)
ü Astype方法
>>> a.astype(float)
matrix([[ 12., 3., 5.],
[ 32., 23., 9.],
[ 10., -14., 78.]])
ü Argsort方法
>>> a=np.matrix('12 3 5; 32 23 9; 10 -14 78')
>>> a.argsort()
matrix([[1, 2, 0],
[2, 1, 0],
[1, 0, 2]])
ü Clip方法
>>> a
matrix([[ 12, 3, 5],
[ 32, 23, 9],
[ 10, -14, 78]])
>>> a.clip(12,32)
matrix([[12, 12, 12],
[32, 23, 12],
[12, 12, 32]])
ü Cumprod方法
>>> a.cumprod(axis=1)
matrix([[ 12, 36, 180],
[ 32, 736, 6624],
[ 10, -140, -10920]])
ü Cumsum方法
>>> a.cumsum(axis=1)
matrix([[12, 15, 20],
[32, 55, 64],
[10, -4, 74]])
ü Tolist方法
>>> b.tolist()
[[12, 3, 5], [32, 23, 9], [10, -14, 78]]
ü Tofile方法
>>> b.tofile('d:\\b.txt')
ü compress()方法
>>> from numpy import *
>>> a = array([10, 20, 30, 40])
>>> condition = (a > 15) & (a < 35)
>>> condition
array([False, True, True, False], dtype=bool)
>>> a.compress(condition)
array([20, 30])
>>> a[condition] # same effect
array([20, 30])
>>> compress(a >= 30, a) # this form a
so exists
array([30, 40])
>>> b = array([[10,20,30],[40,50,60]])
>>> b.compress(b.ravel() >= 22)
array([30, 40, 50, 60])
>>> x = array([3,1,2])
>>> y = array([50, 101])
>>> b.compress(x >= 2, axis=1) # illustrates
the use of the axis keyword
array([[10, 30],
[40, 60]])
>>> b.compress(y >= 100, axis=0)
array([[40, 50, 60]])