首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python:numpy的总结(1)

Python:numpy的总结(1)

作者头像
昱良
发布2018-04-04 16:28:41
6920
发布2018-04-04 16:28:41
举报

1、multiply 例子:

x1=[1,2,3];x2=[4,5,6] print multiply(x1,x2)

输出:

[ 4 10 18]

multiply函数得到的结果是对应位置上面的元素进行相乘。

2、std 标准方差 ,var 方差

例子:

b=[1,3,5,6]

print var(b)

print power(std(b),2) ll=[[1,2,3,4,5,6],[3,4,5,6,7,8]]

print var(ll[0])

print var(ll,0)#第二个参数为0,表示按列求方差 print var(ll,1)#第二个参数为1,表示按行求方差

输出:

3.6875 3.6875 2.91666666667 [ 1. 1. 1. 1. 1. 1.] [ 2.91666667 2.91666667]

var输出向量的方差,std输出向量的标准方差。

3、mean 例子:

b=[1,3,5,6]

print mean(b)

print mean(ll) #全部元素求均值

print mean(ll,0)#按列求均值

print mean(ll,1)#按行求均值

结果:

3.75 4.5 [ 2. 3. 4. 5. 6. 7.] [ 3.5 5.5]

mean函数得到向量的均值。

4、sum 求和 例子

x=[[0, 1, 2],[2, 1, 0]]

b=[1,3,5,6]

print sum(b)

print sum(x)

输出:

15 6

sum求向量的和。也可以求矩阵所有元素的和

5、cov()

例子:

b=[1,3,5,6]

print cov(b)

print sum((multiply(b,b))-mean(b)*mean(b))/3

输出:

4.91666666667 4.91666666667

cov求的是样本协方差 公式如下:

公式一是样本均值 公式二是样本方差 公式三是样本协方差。 上面的函数cov就是使用样本协方差求得的。

例子:

x=[[0, 1, 2],[2, 1, 0]]

print cov(x)

print sum((multiply(x[0],x[1]))-mean(x[0])*mean(x[1]))/2

输出结果:

[[ 1. -1.][-1. 1.]] -1.0

cov的参数是矩阵,输出结果也是矩阵!输出的矩阵为协方差矩阵! 计算过程如下:

截图来源维基百科:协方差矩阵

6、corrcoef 该函数得到相关系数矩阵。 例子:

vc=[1,2,39,0,8] vb=[1,2,38,0,8]

print mean(multiply((vc-mean(vc)),(vb-mean(vb))))/(std(vb)*std(vc)) #corrcoef得到相关系数矩阵(向量的相似程度)print corrcoef(vc,vb)

输出结果:

0.999986231331

[[ 1. 0.99998623][ 0.99998623 1. ]]

相关系数公式:

对应着公式理解上面的代码,应该是很容易的。

7、vdot 向量的点积 例子:

#vdot 返回两向量的点积l1=[1,2,3] l2=[4,5,6] print vdot(l1,l2)

结果:

32

点积没什么说的,对应位置相乘求和。

8、mat 例子:

l1=[1,2,3] l2=[4,5,6] ll=[l1,l2]

print vdot(l1,l2)

print mat(l1)*mat(l2).T

print mat(ll)

结果:

32

[[32]]

[[1 2 3][4 5 6]]

mat函数把列表转换成矩阵形式。这在矩阵运算中不可缺少。

9、shape 例子:

#矩阵有一个shape属性,是一个(行,列)形式的元组 a = array([[1,2,3],[4,5,6]])

print a.shape

结果:

(2, 3)

shape返回矩阵的行列数

10、ones 例子:

#返回按要求的矩阵ones = ones((2,1))

print ones

结果:

[[ 1.] [ 1.]]

ones返回指定行列数的全一矩阵

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2016-06-02,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 机器学习算法与Python学习 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档