1.np.asarray()
array和asarray都可以將結構資料轉化為ndarray，但是主要區別就是當資料來源是ndarray時，array仍然會copy出乙個副本，占用新的記憶體，但asarray不會
2.
np.linalg.norm
求兩陣列歐式距離
參考文獻
1、linalg=linear（線性）+algebra（代數），norm則表示範數。
2、函式引數
x_norm=np.linalg.norm(x, ord=none, axis=none, keepdims=false)
①x: 表示矩陣（也可以是一維）
②ord：範數型別
向量的範數：
矩陣的範數：
ord=1：列和的最大值
ord=2：|λe-ata|=0，求特徵值，然後求最大特徵值得算術平方根
ord=∞：行和的最大值
ord=none：預設情況下，是求整體的矩陣元素平方和，再開根號。（沒仔細看，以為預設情況下就是矩陣的二範數，修正一下，預設情況下是求整個矩陣元素平方和再開根號）
③axis：處理型別
axis=1表示按行向量處理，求多個行向量的範數
axis=0表示按列向量處理，求多個列向量的範數
axis=none表示矩陣範數。
④keepding：是否保持矩陣的二維特性
true表示保持矩陣的二維特性，false相反
3、**實現
import numpy as np
x = np.array([
[0, 3, 4],
[1, 6, 4]])
#預設引數ord=none，axis=none，keepdims=false
print 「預設引數(矩陣整體元素平方和開根號，不保留矩陣二維特性)：」,np.linalg.norm(x)
print 「矩陣整體元素平方和開根號，保留矩陣二維特性：」,np.linalg.norm(x,keepdims=true)
print 「矩陣每個行向量求向量的2範數：」,np.linalg.norm(x,axis=1,keepdims=true)
print 「矩陣每個列向量求向量的2範數：」,np.linalg.norm(x,axis=0,keepdims=true)
print 「矩陣1範數：」,np.linalg.norm(x,ord=1,keepdims=true)
print 「矩陣2範數：」,np.linalg.norm(x,ord=2,keepdims=true)
print 「矩陣∞範數：」,np.linalg.norm(x,ord=np.inf,keepdims=true)
print 「矩陣每個行向量求向量的1範數：」,np.linalg.norm(x,ord=1,axis=1,keepdims=true)
4、總結
①矩陣的三種範數求法（應該是4種了，在預設情況下，又多出了一種情況）
②向量的三種範數求法
3 np.diff()
numpy.diff(a, n=1,axis=-1)
沿著指定軸計算第n維的離散差值
引數：a：輸入矩陣
n：可選，代表要執行幾次差值
axis：預設是最後乙個
示例：import numpy as np
a = np.arange(2 , 14).reshape((3 , 4))
a[1 , 1] = 8
print(『a:』 , a)
a: [[ 2 3 4 5]
[ 6 8 8 9]
[10 11 12 13]]
print(np.diff(a))
[[1 1 1]
[2 0 1]
[1 1 1]
從輸出結果可以看出，其實diff函式就是執行的是後乙個元素減去前乙個元素。
資料分析常用庫 numpy
乙個在python中做科學計算的基礎庫，重在數值計算，也是大部分python科學計算庫的基礎庫,常用於大型 多維陣列上執行數值計算。numpy中的軸 axis 簡單理解為方向，使用0,1,2 數字表示，對於一位陣列，只有乙個0軸，對於二維陣列，有0軸和1軸，對於三維陣列有0,1,2軸。如果兩個陣列的...
numpy資料分析
2020 11 2 import array arr array.array i list range 10 i表示整型,生成序列後不能改變資料型別 多維陣列ndarray方便處理多維度運算，運算效率高 nparr np.array list range 10 修改值，浮點數取整數段 nparr 2...
資料分析 Numpy
什麼是numpy numpy這個詞 於兩個單詞 numerical和python。numpy是python中的乙個運算速度非常快的乙個數學庫，它非常重視陣列，很多的資料科學的包都是依賴於numpy的。它允許你在python中進行向量和矩陣計算，並且由於許多底層函式實際上是用c編寫的，因此你可以體驗在...