Numpy

1	import numpy as np

1	a = np.array([1,2,3,4,5])

ndarray是一个多维数组对象，由两部分构成：

-  实际的数据
-  描述这些数据的元数据（数据维度、数据类型等）

轴(axis): 保存数据的维度；秩(rank)：轴的数量

ndarray对象的属性

属性	说明
.ndim	秩，即轴的数量或维度的数量
.shape	ndarray对象的尺度，对于矩阵，n行m列
.size	ndarray对象元素的个数，相当于.shape中n*m的值
.dtype	ndarray对象的元素类型
.itemsize	ndarray对象中每个元素的大小，以字节为单位

1	x = np.array(list/tuple, dtype=np.float32)

常用函数：

函数	说明
np.arange(n)	类似range()函数，返回ndarray类型，元素从0到n‐1(整数类型)
np.ones(shape)	根据shape生成一个全1数组，shape是元组类型
np.zeros(shape)	根据shape生成一个全0数组，shape是元组类型
np.full(shape,val)	根据shape生成一个数组，每个元素值都是val
np.eye(n)	创建一个正方的n*n单位矩阵，对角线为1，其余为0
np.ones_like(a)	根据数组a的形状生成一个全1数组
np.zeros_like(a)	根据数组a的形状生成一个全0数组
np.full_like(a,val)	根据数组a的形状生成一个数组，每个元素值都是val
np.linspace()	根据起止数据等间距地填充数据，形成数组
np.concatenate()	将两个或多个数组合并成一个新的数组

Note:np.linspace(1,10,4,endpoint = False)

1 2	np.linspace(1,10,4,endpoint = False) >>> array([1., 3.25, 5.5, 7.75])

方法	说明
.reshape(shape)	不改变数组元素，返回一个shape形状的数组，原数组不变
.resize(shape)	与.reshape()功能一致，但修改原数组
.swapaxes(ax1,ax2)	将数组n个维度中两个维度进行调换
.flatten()	对数组进行降维，返回折叠后的一维数组，原数组不变
.astype(np.float)	astype()方法一定会创建新的数组（原始数据的一个拷贝）
.tolist()	转换为列表

a[:, 1, 3] 不关心第一个维度，覆盖所有元素

a[:, :, ::2] 不关心第一个和第二个维度，第三个维度选取一半

函数	说明
np.abs(x) or np.fabs(x)	各元素的绝对值
np.sqrt(x)	各元素的平方根
np.square(x)	各元素的平方
np.log(x) np.log10(x) np.log2(x)	自然对数、10底对数和2底对数
np.ceil(x) np.floor(x)	向上舍，向下舍整数值
np.rint(x)	计算数组各元素的四舍五入值
np.modf(x)	将各元素的小数和整数部分以两个独立数组返回
np.exp(x)	各元素的指数值
np.cos(x)｜np.cosh(x)｜np.sin(x) ｜np.sinh(x)｜np.tan(x)｜np.tanh(x)	普通型和双曲型三角函数
a .mean()	平均值

函数	说明
+ ‐ * / **	两个数组各元素进行对应运算
np.maximum(x,y) np.fmax() np.minimum(x,y) np.fmin()	元素级的最大值/最小值计算
np.mod(x,y)	元素级的模运算
np.copysign(x,y)	将数组y中各元素值的符号赋值给数组x对应元素
> < >= <= == !=	算术比较，产生布尔型数组