- 将array数组转换为矩阵
import mathimport numpy as npC_zd=np.array([7,5,7,2,42,54,45,43,10,8,15,14]).reshape((3,4)) #将array数组转换为3行4列的矩阵
- 矩阵强制修改
C_zd.shape(4,3)#将原（3,4）矩阵，强制转换为（4,3）矩阵
- 计算均值：
np.mean(C_zd)#将所有的元素求均值np.mean(C_zd, axis=0) # axis=0，计算每一列的均值np.mean(C_zd, axis=1) # 计算每一行的均值
矩阵：[[ 7 5 7 2][42 54 45 43][10 8 15 14]]按行均值：[ 5.25 46. 11.75]
- 计算方差：
np.var(C_zd)#将所有的元素求样本方差np.var(C_zd,axis=1,ddof=1) #axis=0，计算每一列的均值,样本数N-ddof
np.var(C_zd, axis=0,ddof=1) # axis=0，计算每一列的均值np.var(C_zd, axis=1,ddof=1) # 计算每一行的均值
按行方差（样本数N-1）：[ 5.58333333, 30. ,10.91666667]
其中，ddof确定样本数量，默认为N-ddof
详细参数设置：numpy.var
- 矩阵的转置
在Python中，np.array产生的一维矩阵（行矩阵），会被认定为向量。
例如：
a=np.array([7,5,7,2])#看似行矩阵a.shape #a.shape为（4，）是一个向量形式
此时，用np.transpose(a)进行转置，不会产生变化，因为a为隐藏矩阵（1,1）所以转置后还是（1,1）的矩阵，显示不存在变化。
需要将其强制转换为（4,1）的矩阵，才能进行转置
a.shape(4,1) #此时为（4,1）的矩阵
如果是二维或高维矩阵，可直接用np.transpose(a)来进行转置。
- 生成指定行列范围的零矩阵
a = np.zeros(4,4) #一个4*4的全零矩阵
- 将np.array数组转换为list列表
np.zeros(4,4).tolist() #转换为list列表#转换后，可进行list方法计算
- 将list列表转换为np.array数组
a = [5,6,9,8] #转换为list列表np.array(a) #转换为为array数组#转换后，可进行np.array的方法计算
