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
----------------------------------------------------------