numpy库中函数介绍

1、解释说明

numpy是一个用于处理数组和矩阵的Python库，它提供了大量的数学函数来操作这些数据结构。以下是一些常用的numpy函数及其说明：

• numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)：创建一个数组对象。
• numpy.zeros(shape, dtype=float, order='C')：创建一个全零数组。
• numpy.ones(shape, dtype=None, order='C')：创建一个全一数组。
• numpy.empty(shape, dtype=float, order='C')：创建一个未初始化的数组。
• numpy.arange(start, stop, step, dtype=None)：根据给定的范围和步长生成一个数组。
• numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)：在指定的间隔内返回均匀间隔的数字。
• numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)：返回在对数刻度上均匀分布的数字。
• numpy.eye(N, M=None, k=0, dtype=)：返回一个二维数组，其中对角线上的元素为1，其余元素为0。
• numpy.full(shape, fill_value, dtype=None, order='C')：创建一个具有指定形状和填充值的数组。
• numpy.random.rand(d0, d1, ..., dn)：从均匀分布中随机采样。
• numpy.random.randn(d0, d1, ..., dn)：从标准正态分布中随机采样。
• numpy.random.randint(low, high=None, size=None, dtype='l')：从给定的范围内随机抽取整数。
• numpy.random.choice(a, size=None, replace=True, p=None)：从给定的一维数组中随机抽取元素。
• numpy.random.shuffle(x)：将数组x中的元素随机排列。
• numpy.random.permutation(x)：返回一个随机排列的数组。
• numpy.random.seed(seed=None)：设置随机数生成器的种子。
• numpy.sum(a, axis=None, dtype=None, out=None, keepdims=False)：计算数组元素的和。
• numpy.mean(a, axis=None, dtype=None, out=None)：计算数组元素的平均值。
• numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=False)：计算数组元素的标准差。
• numpy.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=False)：计算数组元素的方差。
• numpy.min(a, axis=None, out=None)：返回数组元素的最小值。
• numpy.max(a, axis=None, out=None)：返回数组元素的最大值。
• numpy.argmin(a, axis=None, out=None)：返回数组元素最小值的索引。
• numpy.argmax(a, axis=None, out=None)：返回数组元素最大值的索引。
• numpy.reshape(a, newshape, order='C')：改变数组的形状。
• numpy.transpose(a, axes=None)：转置数组。
• numpy.concatenate((a1, a2, ...), axis=0)：沿指定轴连接两个或多个数组。
• numpy.vstack((tup))：垂直堆叠数组元组。
• numpy.hstack((tup))：水平堆叠数组元组。
• numpy.split(ary, indices_or_sections, axis=0)：将数组分割成几个子数组。
• numpy.hsplit(ary, indices_or_sections)：将数组水平分割成几个子数组。
• numpy.vsplit(ary, indices_or_sections)：将数组垂直分割成几个子数组。
• numpy.add(x1, x2, out=None, where=True, dtype=None)：执行逐元素加法运算。
• numpy.subtract(x1, x2, out=None, where=True, dtype=None)：执行逐元素减法运算。
• numpy.multiply(x1, x2, out=None, where=True, dtype=None)：执行逐元素乘法运算。
• numpy.divide(x1, x2, out=None, where=True, dtype=None)：执行逐元素除法运算。
• numpy.power(x1, x2, out=None, where=True, dtype=None)：执行逐元素幂运算。
• numpy.mod(x1, x2, out=None, where=True, dtype=None)：执行逐元素取模运算。
• numpy.dot(a, b)：计算两个数组的点积。
• numpy.inner(a, b)：计算两个数组的内积。
• numpy.outer(a, b)：计算两个数组的外积。
• numpy.cross(a, b)：计算两个数组的叉积。
• numpy.linalg.inv(a)：计算矩阵的逆。
• numpy.linalg.eig(a)：计算矩阵的特征值和特征向量。
• numpy.linalg.qr(a)：计算矩阵的QR分解。
• numpy.linalg.svd(a)：计算矩阵的奇异值分解。
• numpy.linalg.solve(a, b)：求解线性方程组。
• numpy.linalg.lstsq(a, b)：计算最小二乘解。
• numpy.linalg.norm(x)：计算向量或矩阵的范数。
• numpy.linalg.cond(x)：计算矩阵的条件数。
• numpy.linalg.matrix_rank(M, tol=None)：计算矩阵的秩。
• numpy.linalg.det(a)：计算矩阵的行列式。
• numpy.linalg.eigvals(a)：计算矩阵的特征值。
• numpy.linalg.eigh(a, UPLO='L')：计算对称或Hermitian矩阵的特征值和特征向量。
• numpy.linalg.eigvalsh(a, UPLO='L')：计算实对称矩阵的特征值。
• numpy.linalg.pinv(a, rcond=1e-15)：计算矩阵的伪逆。
• numpy.linalg.tensorinv(a, ind=2)：计算张量的逆。
• numpy.linalg.tensorsolve(a, b, axes=None)：解决张量方程。
• numpy.linalg.multi_dot(arrays)：计算多个数组的点积。
• numpy.linalg.cholesky(a)：计算矩阵的Cholesky分解。
• numpy.linalg.matrix_power(a, n)：计算矩阵的幂。
• numpy.linalg.matrix_rank(M, tol=None)：计算矩阵的秩。
• numpy.linalg.slogdet(a)：计算矩阵的符号和自然对数行列式。