Np.zeros(10, dtype = int)强制将float型转为int 型
Np.linspance () 与np.arange()类似但是产生多的是起始值与终止值之间的数据
Numpy 便利的创建二维数组, reshape()重组一个意味数组分为两个维度
Eg: m=np.arange(0,20).reshape(5,4)
Out :
确定二维数组行数 np.size(m, 0) 列数 np.size(m, 1)
读取行 m[0,] 读取某列m[:,0]
函数表达式np.vectorize(exp)(a)
Np.sum(a<3) 判断小于3的个数
P127 IN 38
二维数组切片 m[:,1] 取二维数组第二列【1,5,9,13,17】
取行吗【:1,:】 【0,1,2,3】
取小矩阵 m[3:5,1:3] 取2,3列4,5行
使用np.reshape 可以将一维数组转为矩阵
flatten与ravel()行为类似
但是,无论是flatten还是ravel()都无法直接改变原值
当对数组值进行操作,修改值时,ravel()对原值修改flatten不改变原值
Transport()转置矩阵 .T 转置矩阵
.resize与.reshape()类似,但是resize对原数据集进行操作
Np.hstack((a,b)) 数组叠加 返回新数组
Np.concatenate((a,b) , axis = 1) 指定轴为1(横向)axis = 0 (纵向)
Np.vstack((a,b)) 垂直组合新数组
137
数组合并
Np.column_stack((数组1,数组2))
数组分割 np.hslipe(a,4)纵向分割 分割成4个数组
Np.split(a, 2, axis = 1) 执行分割任务时坐标为1
.min 最小值 .max 最大值 .argmax 最大值的地址 .argmin 最小值的地址
.min(axis = 0)最小行 .max(aris =1) 最小列
.sum() 求和 .prod() 求积 .cumsum() 将每步求和结果构成数组 .cumprod()将求积结果构成数组
.mean()计算平均数 .std()计算标准差 .var()计算方差
.any 判断数组中值条件,有一些值满足返回true .all()所有制满足
.size 返回数组中元素数 .ndim 返回数组维数