python-numpy一些方法总结

python-numpy一些方法总结

1、multiply 例子：

x1=[1,2,3];x2=[4,5,6] print multiply(x1,x2) 12 12

输出：

[ 4 10 18] 1 1

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 1234567 1234567

输出：

3.6875 3.6875 2.91666666667 [ 1. 1. 1. 1. 1. 1.] [ 2.91666667 2.91666667] 12345 12345

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 12345 12345

结果：

3.75 4.5 [ 2. 3. 4. 5. 6. 7.] [ 3.5 5.5] 1234 1234

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) 1234 1234

输出：

15 6 12 12

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))/3 123 123

输出：

4.91666666667 4.91666666667 12 12

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]))/2 123 123

输出结果：

[[ 1. -1.] [-1. 1.]] -1.0 123 123

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) 12345 12345

输出结果：

0.999986231331 [[ 1. 0.99998623] [ 0.99998623 1. ]] 123 123

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) 1234 1234

结果：

32 1 1

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) 123456 123456

结果：

32 [[32]] [[1 2 3] [4 5 6]] 1234 1234

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 123 123

结果：

(2, 3) 1 1

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 123 123

结果：

[[ 1.] [ 1.]] 12 12

ones返回指定行列数的全一矩阵

11、xrange 例子：

for i in xrange(3): print i test=[1,2,3,4] print test[:] print test[2:3] for i in xrange(2,5): print i 1234567 1234567

结果：

0 1 2 [1, 2, 3, 4] [3] 2 3 4 123456789 123456789

xrange用于循环中，参数为一个整数的话，可循环遍历小于该参数的值。两个参数，则循环遍历两个整数之间的值。 test[:]则表示获取test列表中的所有元素。 test[2:3]则表示获取从第2个位置到第三个位置间的元素。

12、strptime 例子：

import time from datetime import datetime,date dd = datetime.strptime('2014-04-03T10:53:49.875Z', "%Y-%m-%dT%H:%M:%S.%fZ") print time.mktime(dd.timetuple())#1396493629.0 1234 1234

结果：

1396493629.0 1 1

strptime把时间按照指定的格式转换。处理时间的时候会用到这个函数。

13、tuple和数组转换成字符串 例子：

tuple =(1,2,3) print tuple[len(tuple)-1] print tuple[-1] print 9.99.__repr__() print str(9.99) 12345 12345

结果：

3 3 9.99 9.99 1234 1234

上面的示例中tuple是一个元组，访问元素的时候，可以通过[index]这种方式访问。 访问最后一个元素的时候，可以通过[-1]访问. 那么访问倒数第二个元素：

print tuple[-2] 输出结果：2

另外，数字转换成字符串有两种方式：

_ _ repr _ _() str()

14、transpose和.T 例子：

aa =[[1],[2],[3]] aa= mat(aa)#将列表转换成矩阵，并存放在aa中 print aa print aa.transpose()#将矩阵进行转置 print aa #transpose()进行矩阵的转置，aa并没有改变 print '*'*20 print aa.T print aa #T转置矩阵，也没有发生改变 12345678 12345678

输出结果：

[[1] [2] [3]] [[1 2 3]] [[1] [2] [3]] ******************** [[1 2 3]] [[1] [2] [3]] 123456789101112 123456789101112

有两种方式实现矩阵的转置。

15、zeros() ones() 例子：

print zeros((2,1)) print ones((2,3))#参数指明了矩阵的行列数 12 12

结果：

[[ 0.] [ 0.]] [[ 1. 1. 1.] [ 1. 1. 1.]] 1234 1234

zeros返回指定行列全零矩阵 ones返回指定行列的全一矩阵

16、列表 数组 linspace 例子：

#列表和数组的区别： #列表： [1, 2, 3, 4] #数组： [1 2 3 4] print '*'*20 ll =[1,2,3,4] print '列表：',ll arr = array(ll) print '数组：',arr print '*'*20 print linspace(0,3,6) #返回的是数组 1234567891011 1234567891011

输出结果：

******************** 列表： [1, 2, 3, 4] 数组： [1 2 3 4] ******************** [ 0. 0.6 1.2 1.8 2.4 3. ] 12345 12345

数组中间元素没有分隔符。列表逗号分割。 linspace返回的是指定的开始结束位置的指定个数的数。

linspace(0,3,6)返回0到3之间6个数字，且间隔均匀

17、argsort 排序索引 例子：

print '**************数组排序问题****************' #数组的构建问题，初始化使用array() ary=array(zeros(4)) ary[0]=0.1 ary[1]= 0.6 ary[2]= 0.5 ary[3]= 0.7 #有-号，降序排列 #无-号，升序排列 sortindex = argsort(ary) for id in sortindex: print '索引：',id for i in ary: print i 1234567891011121314 1234567891011121314

结果：

**************数组排序问题**************** 索引： 0 索引： 2 索引： 1 索引： 3 0.1 0.6 0.5 0.7 123456789 123456789

argsort函数返回数组按照从小到大排序的位置的索引。

sortindex = argsort(-ary) for id in sortindex: print ‘索引：’,id for i in sortindex: print ary[i]

输出结果： 索引： 1 索引： 2 索引： 0 0.7 0.6 0.5 0.1

18、 [:,:]矩阵元素切片

#矩阵元素的获取 ll = [[1,2,3],[4,5,6],[7,8,9]] #获取第二行第0个元素 print 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 print mat(ll)[:,:] 1234567 1234567

结果：

7 [[1 2 3] [4 5 6] [7 8 9]] 1234 1234

19、diag 例子：

#构建对角矩阵 #diag()参数为列表即可 dd = [1,2,3] dilogg = diag(dd) print 'diag=',dilogg 12345 12345

结果：

diag= [[1 0 0] [0 2 0] [0 0 3]] 123 123

diag构建对角矩阵

20、linalg.inv和.I 求逆矩阵 例子：

dd = [1,2,3] dilogg = diag(dd) print 'diag=',dilogg print 'dd:',linalg.inv(dilogg) print 'I=',mat(dilogg).I ll = [[1,2,3],[4,5,6],[7,8,9]] #求逆矩阵 lv = linalg.inv(mat(ll)) print 'inv:',lv print 'I:',mat(ll).I 12345678910 12345678910

结果：

diag= [[1 0 0] [0 2 0] [0 0 3]] dd: [[ 1. 0. 0. ] [ 0. 0.5 0. ] [ 0. 0. 0.33333333]] I= [[ 1. 0. 0. ] [ 0. 0.5 0. ] [ 0. 0. 0.33333333]] inv: [[ -4.50359963e+15 9.00719925e+15 -4.50359963e+15] [ 9.00719925e+15 -1.80143985e+16 9.00719925e+15] [ -4.50359963e+15 9.00719925e+15 -4.50359963e+15]] I: [[ -4.50359963e+15 9.00719925e+15 -4.50359963e+15] [ 9.00719925e+15 -1.80143985e+16 9.00719925e+15] [ -4.50359963e+15 9.00719925e+15 -4.50359963e+15]] 12345678910111213141516 12345678910111213141516

上面求逆矩阵有两种方式。 linalg.inv()和 矩阵.I 两种方式均可。

21、dot矩阵点积 例子：

ll = [[1,2,3],[4,5,6],[7,8,9]] ld = dot(ll,ll) print 'dot:',ld print mat(ll)*mat(ll) 1234 1234

结果：

dot: [[ 30 36 42] [ 66 81 96] [102 126 150]] [[ 30 36 42] [ 66 81 96] [102 126 150]] 123456 123456

22、eye 单元矩阵 例子：

print 'eye:',eye(2)#单元矩阵 1 1

结果：

eye: [[ 1. 0.] [ 0. 1.]] 12 12

23 eig 矩阵的特征值和特征向量 例子：

A=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=linalg.eig(U) print 'hU:',hU print lamda 12345 12345

结果：

hU: [[ 1. 0. 0. 0.] [ 0. 1. 0. 0.] [ 0. 0. 1. 0.] [ 0. 0. 0. 1.]] [ 5. 9. 0. 16.] 12345 12345

24 sorted 排序 例子：

ll=[8,0,3,6,1,0,5,3,8,9] print sorted(ll,reverse=True) #降序 print sorted(ll,reverse=False) #升序 123 123

结果：

[9, 8, 8, 6, 5, 3, 3, 1, 0, 0] [0, 0, 1, 3, 3, 5, 6, 8, 8, 9] 12 12

25、linalg.svd 奇异值分解 例子：

A=mat([[1,0,0,0,2],[0,0,3,0,0],[0,0,0,0,0],[0,4,0,0,0]]) U,S,VT =linalg.svd(A) print 'U:',U print 'V:',VT print 's:',S print '===',U*(mat(diag(S))*eye(4,5))*VT 123456 123456

结果：

U: [[ 0. 0. 1. 0.] [ 0. 1. 0. 0.] [ 0. 0. 0. -1.] [ 1. 0. 0. 0.]] V: [[ 0. 1. -0. -0. -0. ] [ 0. 0. 1. -0. -0. ] [ 0.4472136 0. -0. -0. 0.89442719] [ 0. 0. -0. 1. -0. ] [-0.89442719 0. -0. -0. 0.4472136 ]] s: [ 4. 3. 2.23606798 0. ] === [[ 1. 0. 0. 0. 2.] [ 0. 0. 3. 0. 0.] [ 0. 0. 0. 0. 0.] [ 0. 4. 0. 0. 0.]] 1234567891011121314 1234567891011121314

关于什么是奇异值分解，请参考奇异值分解

26、random.rand 例子：

A=mat([[1,0,0,0,2],[0,0,3,0,0],[0,0,0,0,0],[0,4,0,0,0]]) print A[:,1] #获取3*3个0-1之间的数字 rr=random.rand(3,3) print rr print (rr-0.5) print 2.0*(rr-0.5) 12345678 12345678

结果：

[[0] [0] [0] [4]] [[ 0.30446153 0.40653841 0.40143809] [ 0.77970727 0.57491894 0.85801586] [ 0.33509491 0.64652856 0.48276137]] [[-0.19553847 -0.09346159 -0.09856191] [ 0.27970727 0.07491894 0.35801586] [-0.16490509 0.14652856 -0.01723863]] [[-0.39107693 -0.18692318 -0.19712383] [ 0.55941453 0.14983789 0.71603172] [-0.32981018 0.29305712 -0.03447726]] 1234567891011121314 1234567891011121314

random.rand(3,3)随机获取3*3个0-1之间的数字

27、arange 例子：

delta = 0.25 x = arange(-3.0, 3.0, delta) print x 123 123

结果：

[-3. -2.75 -2.5 -2.25 -2. -1.75 -1.5 -1.25 -1. -0.75 -0.5 -0.25 0. 0.25 0.5 0.75 1. 1.25 1.5 1.75 2. 2.25 2.5 2.75] 12 12

arange获取指定起始位置，指定步长的一系列数。

28、nonzero() 例子：

x =[[1,0,0,0,2],[0,0,3,0,0]] print x nz=nonzero(x) print nz print nz[0] 12345 12345

结果：

[[1, 0, 0, 0, 2], [0, 0, 3, 0, 0]] (array([0, 0, 1]), array([0, 4, 2])) [0 0 1] 123 123

nonzero（）函数返回矩阵中非0元素的位置 nz的返回值意义如下： 第一行是所有非零数所在行值 第二行是所有非零值所在列值

29、获取指定位置的元素 例子：

A=mat([[1,0,0,0,2],[0,0,3,0,0],[0,0,0,0,0],[0,4,0,0,0]]) sample =A[0,:] print sample print sample[0] ll=mat([3,4,5]) for i in range(5): if sum(ll==i): print i 123456789 123456789

结果：

[[1 0 0 0 2]] [[1 0 0 0 2]] 3 4 1234 1234

A[0,:]的意义是获取第0行的所有元素 if sum(ll==i):的意义是只要i存在ll矩阵中，if就是True ll必须是mat转换的矩阵。列表好像不行。并且还是单行的矩阵。

第二个例子：

A=mat([[1,0,0,0,2],[0,0,3,0,0],[0,0,0,0,0],[0,4,0,0,0]]) #根据ind序列索引获取矩阵A中的数据 ind=[2,1,3,0] print A[ind,0] 1234 1234

结果：

[[0] [0] [0] [1]] 1234 1234

30、zip 例子：

ll=[1,2,3,4,5,6] #可以互换指定区域的位置 print ll[3:6]+ll[0:3] #成对获取x、y的值 l1=[1,2,3] l2=[4,5,6] for x,y in zip(l1,l2): print x,y 12345678 12345678

结果：

[4, 5, 6, 1, 2, 3] 1 4 2 5 3 6 1234 1234

print ll[3:6]+ll[0:3]这行代码实现指定位置的元素进行交换。

31、chr函数，获取指定的字符 例子：

#获取指定的字符 for i in range(65,70): print str(chr(i)) 123 123

结果：

A B C D E 12345 12345

32、random.shuffle 例子：

ll=range(9)#返回列表 print ll #shuffle函数随机打乱列表中的元素顺序 print random.shuffle(ll) print ll 12345 12345

结果：

[0, 1, 2, 3, 4, 5, 6, 7, 8] None [8, 5, 1, 4, 2, 6, 0, 3, 7] 123 123

shuffle函数随机打乱列表中的元素顺序

33、vdot 点积 例子：

#vdot 返回两向量的点积 l1=[1,2,3] l2=[4,5,6] ll=[l1,l2] print vdot(l1,l2) print dot(l1,l2) print mat(l1)*mat(l2).T print mat(ll) 12345678 12345678

结果：

32 32 [[32]] [[1 2 3] [4 5 6]] 12345 12345

vdot 和 dot都可以获取向量的点积。

区别：

ll=[[1,2,3],[4,5,6],[1,2,3]] print dot(mat(ll),mat(ll).T) print vdot(mat(ll),mat(ll)) 123 123

结果：

[[14 32 14] [32 77 32] [14 32 14]] [[105]] 1234 1234

总结：对于向量来说，vdot dot向量的点积结果相同。 对于矩阵来说，dot是矩阵的点积。 而vdot是对应位置的元素乘积求和。 结果中的105=1^2+2^2+3^3+4^2+5^2+6^2+1^2+2^2+3^3

34、次方计算** 例子：

print 3*2**2 print 3*2**0.5 print (3*2)**2 print (3*2)**0.5 1234 1234

结果：

12 4.24264068712 36 2.44948974278 1234 1234

可见 **次方计算优先级要高！

35、max函数 例子：

ll=[3,4,6,2,89,9,3,2] print max(ll) l2=[[3,4,6,2,89,9,3,2],[3,6,7,8,983,3,5,6]] print max(l2[0]) print max(l2) 12345 12345

结果：

89 89 [3, 6, 7, 8, 983, 3, 5, 6] 123 123

对于矩阵的最大值的求法，还不知道怎么搞。稍后更新一下。

36、mgrid函数

#开始值，结束值，步长。如果步长为虚数，表示产生的个数长度 print mgrid[-5:5:3j] #结果：[-5. 0. 5.] print mgrid[-5:5:3] #结果：[-5 -2 1 4] print '*'*20 print mgrid[-5:5:3j,-5:5:3j] print '*'*20 print mgrid[-5:5:3,-5:5:3] 1234567 1234567

结果：

[-5. 0. 5.] [-5 -2 1 4] ******************** [[[-5. -5. -5.] [ 0. 0. 0.] [ 5. 5. 5.]] [[-5. 0. 5.] [-5. 0. 5.] [-5. 0. 5.]]] ******************** [[[-5 -5 -5 -5] [-2 -2 -2 -2] [ 1 1 1 1] [ 4 4 4 4]] [[-5 -2 1 4] [-5 -2 1 4] [-5 -2 1 4] [-5 -2 1 4]]] 1234567891011121314151617181920 1234567891011121314151617181920

mgrid函数说明：开始值，结束值，步长。如果步长为虚数，表示产生的个数长度。 对照结果即可知道函数的功能。

37、ogrid函数 例子：

print ogrid[-5:5:3j] print ogrid[-5:5:3] print ogrid[-5:5:3j,-5:5:3j] print ogrid[-5:5:3,-5:5:3] 1234 1234

结果：

[-5. 0. 5.] [-5 -2 1 4] [array([[-5.], [ 0.], [ 5.]]), array([[-5., 0., 5.]])] [array([[-5], [-2], [ 1], [ 4]]), array([[-5, -2, 1, 4]])] 123456789 123456789

ogrid跟mgrid一样。不同的是，一个数矩阵，一个数组形式。第三个擦数如果是实数，说明是步长。如果是虚数，说明是个数。 ogrid[-5:5:3,-5:5:3]第一部分产生多行一列，第二部分产生一行多列。这与mgrid不同。

38、random函数

print random.seed(1) #要每次产生随机数相同就要设置种子，相同种子数的Random对象，相同次数生成的随机数字是完全相同的 12 12 #用于生成一个指定范围内的随机符点数 print random.uniform(-1,1,5) #结果：[ 0.40254497 -0.42350395 -0.67640645 -0.54075394 -0.99584028] #均匀分布 1234 1234 #用于生成一个0到1的随机符点数: 0 <= n < 1.0 print random.random() print random.random(5) print random.rand(2,3)#2行3列 结果： None 0.417022004703 [ 7.20324493e-01 1.14374817e-04 3.02332573e-01 1.46755891e-01 9.23385948e-02] [[ 0.18626021 0.34556073 0.39676747] [ 0.53881673 0.41919451 0.6852195 ]] 1234567891011 1234567891011 #用于生成一个指定范围内的整数。其中参数a是下限，参数b是上限，生成的随机数n: a <= n <= b print random.randint(5, 10) print random.randint(5,10,size=(5,5)) 结果： None 8 [[9 5 6 8 5] [5 6 9 9 6] [7 9 7 9 8] [9 7 9 7 9] [6 6 5 6 6]] 1234567891011 1234567891011

更多关于random的函数的解析，请参看这篇文章：http://blog.csdn.net/pipisorry/article/details/39086463

39、tofile、fromfile 例子：

a =arange(0,12) a.shape = 3,4 print a a.tofile("a.bin") b = fromfile("a.bin", dtype=float) # 按照float类型读入数据 print b # 读入的数据是错误的 print a.dtype # 查看a的dtype b = fromfile("a.bin", dtype=int32) # 按照int32类型读入数据 print b # 数据是一维的 b.shape = 3, 4 # 按照a的shape修改b的shape print b 123456789101112 123456789101112

结果：

None [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [ 2.12199579e-314 6.36598737e-314 1.06099790e-313 1.48539705e-313 1.90979621e-313 2.33419537e-313] int32 [ 0 1 2 3 4 5 6 7 8 9 10 11] [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] 1234567891011 1234567891011

使用数组的方法函数tofile可以方便地将数组中数据以二进制的格式写进文件。tofile输出的数据没有格式，因此用numpy.fromfile读回来的时候需要自己格式化数据。 Note: 1. 读入的时候设置正确的dtype和shape才能保证数据一致。 并且tofile函数不管数组的排列顺序是C语言格式的还是Fortran语言格式的，统一使用c语言格式输出。 2. sep关键字参数:此外如果fromfile和tofile函数调用时指定了sep关键字参数的话， 数组将以文本格式输入输出。{这样就可以通过notepad++打开查看, 不过数据是一行显示，不便于查看} user_item_mat.tofile(user_item_mat_filename, sep=’ ‘)

40、numpy.load和numpy.save 例子：

a =arange(0,12) a.shape = 3,4 print a save('a.npy',a) c=load('a.npy') print c 123456 123456

结果：

None [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] 1234567 1234567

numpy.load和numpy.save函数（推荐在不需要查看保存数据的情况下使用） 以NumPy专用的二进制类型保存数据，这两个函数会自动处理元素类型和shape等信息， 使用它们读写数组就方便多了，但是numpy.save输出的文件很难和其它语言编写的程序读入。 Note: 1. 文件要保存为.npy文件类型，否则会出错 2. 保存为numpy专用二进制格式后，就不能用notepad++打开（乱码）看了，这是相对tofile内建函数不好的一点

numpy.savez函数 如果你想将多个数组保存到一个文件中的话，可以使用numpy.savez函数。savez函数的第一个参数是文件名，其后的参数都是需要保存的数组，也可以使用关键字参数为数组起一个名字，非关键字参数传递的数组会自动起名为arr_0, arr_1, …。savez函数输出的是一个压缩文件(扩展名为npz)，其中每个文件都是一个save函数保存的npy文件，文件名对应于数组名。load函数自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名作为关键字获取数组的内容： 如果你用解压软件打开result.npz文件的话，会发现其中有三个文件：arr_0.npy， arr_1.npy， sin_array.npy，其中分别保存着数组a, b, c的内容。

a = array([[1,2,3],[4,5,6]]) b = arange(0, 1.0, 0.1) c = sin(b) savez("result.npz", a, b, sin_array = c) r =load("result.npz") print r["arr_0"] # 数组a print r["arr_1"] # 数组b print r["sin_array"] # 数组c 12345678 12345678

结果：

None [[1 2 3] [4 5 6]] [ 0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9] [ 0. 0.09983342 0.19866933 0.29552021 0.38941834 0.47942554 0.56464247 0.64421769 0.71735609 0.78332691] 1234567 1234567

numpy.savetxt和numpy.loadtxt（推荐需要查看保存数据时使用） Note:savetxt缺省按照’%.18e’格式保存数据， 可以修改保存格式为‘%.8f’(小数点后保留8位的浮点数)， ’%d’(整数)等等 总结： 载入txt文件：numpy.loadtxt()/numpy.savetxt() 智能导入文本/csv文件：numpy.genfromtxt()/numpy.recfromcsv() 高速，有效率但numpy特有的二进制格式：numpy.save()/numpy.load()

39、40部分来源：http://blog.csdn.net/pipisorry/article/details/39088003。详细内容请参看这个链接。

41、permutation函数 例子：

#混淆位置。如果是多维数组，则混淆一维的。例如下面的arr. print random.permutation(10) print random.permutation([1, 4, 9, 12, 15]) arr=arange(9).reshape((3,3)) print arr print random.permutation(arr) 1234567 1234567

结果：

None [2 9 6 4 0 3 1 7 8 5] [12 1 4 9 15] [[0 1 2] [3 4 5] [6 7 8]] 123456 123456

permutation混淆位置。如果是多维数组，则混淆一维的。例如下面的arr.

42、complex构造复数 例子：

print complex(0,100)#结果：100j 1 1

43、norm求范数 例子：

from scipy.linalg.misc import norm print norm([8,6,10]) 12 12

结果：

14.1421356237 1 1

默认情况下，求二范数。也就是各个元素的平方和再开平方。 当然，也可以求取其他范数。例如p范数、无穷范数等。 我这里import写的是scipy。其实numpy里面也有这个函数。详细的其他范数的求法请参考官网http://docs.scipy.org/doc/numpy-1.10.0/reference/generated/numpy.linalg.norm.html内容的介绍。对于求二范数的结果，我这里介绍的就够用了。

待续。。。。！！

本文转载：“http://blog.csdn.net/u010156024/article/details/50419338”