《Numpy笔记》 1 — 基本认识

计算式

#一元计算函数
np.mean(a) #等于 a.mean()
np.max(a)
np.min(a)
np.abs(a) np.fabs(a)
np.sqrt(a)  #开方
np.square(a) #平方
np.log(a) np.log10(a) np.log2()
np.ceil(a) np.floor(a) #浮点

np.rint(a) #四舍五入
np.modf(a) #将元素的小数与整数分离，返回包含两个数组的tuple
np.exp(a) #指数
np.sign(a) #符号对应的值，1(+)，0，-1(-)
np.cos(a) np.cosh(a)
np.sin(a) np.sinh(a)
np.tan(a) np.tanh(a)

#二元计算函数
+ - * / **
np.maximum(x,y) np.fmax() #依次比较x，y中的元素，返回较大者组成的数组
np.minimum(x,y) np.fmin()
np.mod(x,y)
np.copysign(x,y)  #将y中的符号copy给x
< > <= >= == !=  #返回布尔值

索引，切片

#一维 与list相同
a[0] #索引
a[0:4:1] #切片，a[start:stop:step]

#多维 每个维度与一维时相同
a[0,1,2]  #这里假设有三维数组a。数字为索引，顺序为第一维，第二维，第三维，可以单个使用，如：a[0]，a[0,0]
a[1:,::2,-1] #一定要理解维度与索引

变换

a.reshape(shape) #不改变数组
a.resize(shape)  #改变数组
a.swapaxes(ax1,ax2) #将两个维度调换，0是第一维，1是第二维，不能超过
a.flatten #降成一维
a.T #矩阵行列转换

new_a = a.astype(new_type) #copy
ls = a.tolist() #to list

创建数组

import numpy as np

a = np.array(list/tuple, dtype=np.int)
np.arange([start,] stop[, step], dtype=None)
np.eye(N, M=None, k=0, dtype=<class 'float'>, order='C')

np.ones(shape, dtype=None, order='C')
np.zeros(shape, dtype=float, order='C')
np.full(shape, fill_value, dtype='None', order='C')

np.ones_like(a, dtype='None', order='K', subok=True, shape=None) #a is ndarray/list
np.zeros_like(a)
np.full_like(a,val)

np,linspace(star,stop,num=50,endpoint=True,retstep=False,dtype=None,axis=0)
np.concatanate((a1,a2...),axis=0,out=None)

Ndarray对象的属性

a.ndim #秩
a.shape #对于矩阵，n行m列
a.size #元素个数，n*m
a.dtype #元素类型
a.itemsize #每个元素的字节数

基本概念

#实际数据
#元数据（数据类型，维度）
#轴（axis）：保存数据的维度，最外层[]的维度为0，向里则加1，不要把维度与索引搞混
#秩（rank）：轴的数量