Python2 语法随笔记录集

1.基本API部分

PRO1. python2生成矩阵Matrix语法

numpy包的zeros,ones,eye方法可以实现功能，看下边的例子：

它们分别是0矩阵，1矩阵 和单位阵

>>> np.zeros((5,6))
array([[0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.]])
>>> np.ones((5,6))
array([[1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.]])
>>> np.eye(5)
array([[1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])

　　

PRO2. Matplotlib作图

一次生成多个子图，获取每个子图的对象，可以使用add_subplot。

axe4 = plt.add_subplot(234) 表示将图分成了2行3列（也就是一共6个子图了），同时，对象axe4表示是第4张图对应的对象。

详细参考：https://blog.csdn.net/zahuopuboss/article/details/54895890

 

PRO3. Numpy包的 tile函数，max函数，min函数，shape函数

numpy.tile(A, reps):表示将列表A，重复reps构建新的数组。

例如请看下边例子：

>>> a = np.array([0,1,2])
>>> np.tile(a,2)
array([0, 1, 2, 0, 1, 2])
>>> np.tile(a,(2,2))
array([[0, 1, 2, 0, 1, 2],
       [0, 1, 2, 0, 1, 2]])
>>> np.tile(a,(2,2,4))
array([[[0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2],
        [0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2]],

       [[0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2],
        [0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2]]])

ndarray.max([int axis])

函数功能：求ndarray中指定维度的最大值，默认求所有值的最大值。

axis=0:求各column的最大值

axis=1:求各row的最大值

 同样地，min也是一个道理，下面是我自己键入的一个例子。

>>> a = np.array(([2,89,34],[43,23,134],[1,3434,332]))
>>> a
array([[   2,   89,   34],
       [  43,   23,  134],
       [   1, 3434,  332]])
>>> a.min()
1
>>> a.max()
3434
>>> a.min(0)
array([ 1, 23, 34])
>>> a.min(1)
array([ 2, 23,  1])

shape是指：

数组的维度。这是一个整数的元组，元组中的每一个元素对应着每一维度的大小(size)。

numpy中数组的shape属性输出的元组，有以下两个结论：

1. 元组的元素的个数等于维度数
2. 元组中每一个元素又代表中每一维度元素的个数（从左到右，依次为第一维度中元素的个数，第二维度中元素的个数...第n维度元素的个数）

下边例子的a变量承接上一个例子。

>>> a.shape
(3, 3)
>>> a.shape[0]
3